跳到正文
热点事件持续更新

Inworld 推出 Realtime TTS-2 和 TTS-2 Flash

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Inworld 发布了两款实时文本转语音模型 Realtime TTS-2 和 Realtime TTS-2 Flash,均处于预览阶段。该公司称,TTS-2 的首个音频最快可在 90 毫秒内返回,Flash 则为 50 毫秒。TTS-2 覆盖约 500 种语言和方言,并接受自然语言表达指令;Flash 则放弃表现力调控,以换取更低的延迟和成本。 定价方面,Growth 套餐下 Flash 起价为每百万字符 7 美元。按需使用时,TTS-2 为每百万字符 25 美元,月付 300 美元时降至 15 美元,月付 1,500 美元时降至 12.50 美元;Flash 为 15 美元,可降至 7 美元。Inworld 引用 Coval 的基准测试称,Flash 的首个音频返回速度比 ElevenLabs 快至多 3 倍,比 OpenAI GPT-4o mini TTS 快至多 35 倍。它还提供兼容 OpenAI 的端点和 ElevenLabs 迁移工具。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. Hacker News · AI
    Inworld 发布 Realtime TTS-2 与 TTS-2 Flash,首包音频低至 50 毫秒

    Inworld 发布了两款实时文本转语音模型 Realtime TTS-2 和 Realtime TTS-2 Flash,首包音频分别低至 90 毫秒和 50 毫秒。Realtime TTS-2 覆盖约 500 种语言和方言,并接受自然语言表达指令;Flash 则以牺牲表现力调控换取更低延迟和成本,Growth 套餐定价为每百万字符 7 美元起。Inworld 引用 Coval 的基准测试称,Flash 的首包音频速度比 ElevenLabs 快至多 3 倍,比 OpenAI GPT-4o mini TTS 快至多 35 倍,并提供兼容 OpenAI 的端点和 ElevenLabs 迁移工具。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。