Inworld 推出 Realtime TTS-2 與 TTS-2 Flash
先了解這件事
Inworld 發布兩款即時文字轉語音模型 Realtime TTS-2 與 Realtime TTS-2 Flash,兩者皆處於預覽階段。該公司表示,TTS-2 最快可在 90 毫秒內輸出第一段音訊,Flash 則為 50 毫秒。TTS-2 涵蓋約 500 種語言與方言,並接受以自然語言下達的語氣指令;Flash 則捨棄表情控制能力,換取更低的延遲與成本。 價格方面,Growth 方案中 Flash 自每百萬字元 7 美元起。隨用隨付時,TTS-2 為每百萬字元 25 美元,月付 300 美元時降至 15 美元,月付 1,500 美元時降至 12.50 美元;Flash 為 15 美元,可降至 7 美元。Inworld 引用 Coval 的基準測試指出,Flash 輸出第一段音訊的速度最快可達 ElevenLabs 的 3 倍、OpenAI GPT-4o mini TTS 的 35 倍。此外,它也提供相容於 OpenAI 的端點,以及 ElevenLabs 遷移工具。
AI 依報導生成 · 10 小時前更新
報導時間線
沿著報導,了解事件的不同側面。
- Hacker News · AIInworld 推出 Realtime TTS-2 與 TTS-2 Flash,首個音訊延遲最低可達 50 毫秒
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。
本事件熱度走勢
- 可比範圍當前
- 7
- 可比範圍峰值
- 1011月19日 17:00
- 近 24 小時變化
- –
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。