Miso 开源语音模型 Miso One：8B 参数，延迟仅 110 毫秒

Miso One 是一个 80 亿参数（8B）的开源文本转语音模型，主打高度拟真的人类情感表达。

它能做什么

Miso 宣称 Miso One 是目前全球情绪最丰富的声音模型，能够生成带有自然情绪起伏的高表现力语音。

除了情绪拟真，它的另一个核心指标是响应速度。Miso One 的端到端延迟仅有 110 毫秒，反应速度比正常人类对话还要快，专门面向对低延迟要求极高的实时语音交互场景。

在开放程度上，Miso 已经将模型权重完全公开，开发者可以自行获取和部署，官方托管的 API 服务也即将上线。

为什么重要

如果你正在开发实时语音助手、游戏 NPC 或交互式对话应用，Miso One 很值得关注。在此之前，开源 TTS 往往要在情感丰富度和延迟之间二选一：低延迟的声音往往偏向机械，而富有感情的生成模型又很难做到实时跟手。

我们认为，Miso 把 8B 参数的情绪化语音模型做到 110 毫秒响应并开源权重，为想要摆脱闭源商业语音 API 的团队提供了一个极具竞争力的本地化选项。