开源TTS语音新标杆！Kyutai TTS：350ms延迟碾压全场，词级时间戳重构！
Kyutai TTS 是一款基于Delayed Streams Modeling（DSM）框架的实时文本转语音（TTS）模型，支持流式文本输入、超低延迟和高保真语音生成。参数量为1.6B，英语/法语WER分别为2.82%和3.29%，语音相似度为77.1%/78.7%。
1.6B参数
Kyutai TTS 是一款基于Delayed Streams Modeling（DSM）框架的实时文本转语音（TTS）模型，支持流式文本输入、超低延迟和高保真语音生成。参数量为1.6B，英语/法语WER分别为2.82%和3.29%，语音相似度为77.1%/78.7%。