小红书开源 20 亿参数 TTS 模型 dots.tts，连续自回归实现低延迟高保真克隆
小红书技术REDtech · wechat · 2026-08-13
小红书 dots 团队开源了 20 亿参数的端到端语音合成模型 dots.tts。该模型跳过传统的离散声学 Token，直接在连续隐空间中进行自回归生成，从而在保持高保真音色克隆和长程稳定性的同时，大幅降低了推理延迟。
在 Seed-TTS-Eval 评测中，dots.tts 取得了同级别系统中的最佳平均内容准确度和说话人相似度。此外，团队通过自纠正对齐和蒸馏技术，将生成步骤压缩至单步、两步或四步。在双流交互模式下，模型首包延迟最低可达 54.4 毫秒，非常适合实时语音 Agent 等场景。
本次开源不仅提供了预训练、低步数生成等六个检查点，还完整放出了训练、微调、蒸馏及双流推理代码（采用 Apache 2.0 协议）。同时，团队还推出了支持文本、情绪、韵律精确编辑的 dots.tts.edit。
所属事件:小红书开源20亿参数TTS模型dots.tts(2 条相关)→
「多模态」频道最新
- 求免费可下载的 AI 3D 模型生成网站 — Reasonable_Low404 · 2026-08-13
- ComfyUI 最新版 img2img 遮罩失效，用户求助 — AltruisticList6000 · 2026-08-13
- 开发者发布 KREA 2 电影工作流及自定义 ComfyUI 节点 — Lower-Cap7381 · 2026-08-13
- Grok+Blender MCP实测：一句话让3D模型动起来 — chongdashu · 2026-08-13
- AI视频角色一致性难题：多镜头下如何保持同一角色？ — Usedependence · 2026-08-13
- 用提示词精准控镜：30秒一镜到底二战大片实测 — LudovicCreator · 2026-08-13