ผลิตภัณฑ์และแอป

MOSS-TTS-Local-Transformer-v1.5 บน SGLang-Omni: บริการเสียงสตรีมมิ่งเนทีฟ 48 kHz

หัวข้อต้นฉบับ:Blog MOSS-TTS Local Transformer v1.5 on SGLang-Omni: Serving Native-Streaming 48 kHz Speech Today we are announcing end-to-end serving for MOSS-TTS-Local-Transformer-v1.5 on SGLang-Omni, together with MOSI and the OpenMOSS Team. MOSS-TTS-Local-Transformer-v1.5 is an open TTS model for 48 kH... MOSI, OpenMOSS Team & SGLang-Omni Team

สรุปโดย AI

MOSS-TTS-Local-Transformer-v1.5 เป็นโมเดล TTS โอเพนซอร์ส รองรับสเตอริโอ 48 kHz การโคลนเสียงแบบ zero-shot การสังเคราะห์ข้อความยาวสูงสุด 10 นาที การควบคุมระยะเวลา และ 31 ภาษา แกนหลักใช้ Qwen3-4B backbone และตัวเข้ารหัส/ถอดรหัสเสียง MOSS-Audio-Tokenizer-v2 ประมาณ 2B พารามิเตอร์ ทำงานผ่าน codebook RVQ 12 ชุด SGLang-Omni déploy โมเดลนี้ด้วยไปป์ไลน์สามขั้นตอน บน Seed-TTS-Eval มีอัตราคำผิดพลาด 5.10% ความคล้ายคลึงเสียง 69.23% บน CV3-Eval WER 7.48% SIM 61.59% บน MiniMax Multilingual WER 6.37% SIM 75.31% บน X Voice WER 20.48% SIM 63.00%

ข้อมูลสำคัญ

  • MOSS-TTS-Local-Transformer-v1.
  • 5 เป็นโมเดล TTS โอเพนซอร์ส รองรับสเตอริโอ 48 kHz การโคลนเสียงแบบ zero-shot…
  • 10% ความคล้ายคลึงเสียง 69.
  • 23% บน CV3-Eval WER 7.
  • 48% SIM 61.

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
LMSYS Blog
หมวดหมู่
ผลิตภัณฑ์และแอป
คะแนน AI
67
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

SGLang-Omni 把 MOSS-TTS 的端到端服务拆成三阶段并做了大量底层优化,对想落地实时语音合成的团队是现成的技术方案,技术细节扎实,可以直接照着搭。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: MOSS-TTS-Local-Transformer-v1.5 บน SGLang-Omni: บริการเสียงสตรีมมิ่งเนทีฟ 48 kHz 17 มิถุนายน 2026 https://new.nat6.net/th/news/cmqj36zhf06vksl5w4wx2c0eo/

ดูทั้งหมด →