Hacker News · AI·· 11 小時前AI 評分60
Inworld 推出 Realtime TTS-2 與 TTS-2 Flash,首個音訊延遲最低可達 50 毫秒
Inworld TTS looks not bad at all
AI 導讀
Inworld 發布兩款即時文字轉語音模型 Realtime TTS-2 與 Realtime TTS-2 Flash,首個音訊延遲分別最低可達 90 毫秒與 50 毫秒。Realtime TTS-2 涵蓋約 500 種語言與方言,並接受以自然語言描述的語氣指令;Flash 則以延遲與成本為優先,犧牲了表現力的調控能力,Growth 方案價格為每百萬字元 7 美元起。Inworld 引用 Coval 的基準測試指出,Flash 產生首個音訊的速度比 ElevenLabs 最快可快 3 倍,比 OpenAI GPT-4o mini TTS 最快可快 35 倍,並提供與 OpenAI 相容的端點及 ElevenLabs 遷移工具。
來源:Hacker News · AI · inworld.ai