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
- Midjourney 拟真晨光人像 prompt 分享：皱巴睡衣+自然皮肤质感 — tisch_eins · 2026-10-16
- Higgsfield 开源跳票后,ComfyUI 悬赏 2.5 万美元征集开源重建 — PurzBeats · 2026-10-16
- 从1986老照片到2026：一张图的扩图、现代化改图与4倍放大全流程 — juanpablogc · 2026-10-16
- 美团 LongCat 发布 WorldCast 基准：320 案例考多步世界状态预测 — meituan-longcat · 2026-10-16
- 三份资源速通 FLUX 3 图像生成模型 — ariG23498 · 2026-10-16
- 网友让 Opus 5.5 造一辆新特斯拉 Roadster,结果出人意料 — TAbrodi · 2026-10-16