Miso 開源語音模型 Miso One：8B 引數，延遲僅 110 毫秒

Miso One 是一個 80 億引數（8B）的開源文本轉語音模型，主打高度擬真的人類情感表達。

它能做什麼

Miso 宣稱 Miso One 是目前全球情緒最豐富的聲音模型，能夠生成帶有自然情緒起伏的高表現力語音。

除了情緒擬真，它的另一個核心指標是響應速度。Miso One 的端到端延遲僅有 110 毫秒，反應速度比正常人類對話還要快，專門面向對低延遲要求極高的即時語音互動場景。

在開放程度上，Miso 已經將模型權重完全公開，開發者可以自行獲取和部署，官方託管的 API 服務也即將上線。

為什麼重要

如果你正在開發即時語音助手、遊戲 NPC 或互動式對話應用，Miso One 很值得關注。在此之前，開源 TTS 往往要在情感豐富度和延遲之間二選一：低延遲的聲音往往偏向機械，而富有感情的生成模型又很難做到即時跟手。

我們認為，Miso 把 8B 引數的情緒化語音模型做到 110 毫秒響應並開源權重，為想要擺脫閉源商業語音 API 的團隊提供了一個極具競爭力的本地化選項。