Nari 开源 Qwen3-TTS 推理引擎,延迟低于 50ms 且精度登顶
toebee · hn · 2026-09-15
Nari Labs(曾开源对话 TTS 模型 Dia)发布基于 Qwen3 的 TTS/ASR 推理服务,并开源了专为语音模型设计的推理引擎。
- 性能:在 Coval 语音 AI 基准上,Qwen3-TTS 端点延迟排名第 2、准确率(WER)第 1,超过 ElevenLabs、Cartesia 等,同时是最便宜的端点;Qwen3-ASR 延迟最低、准确率第 2(距第 1 仅 0.1%),价格倒数第 2。
- 技术路线:团队认为开源语音模型跑不过闭源是推理问题——vLLM/SGLang 不适合多模态推理,因此自建专用引擎,在 10 RPS 下实现低于 50ms 延迟。有趣的是,阿里官方端点的精度和延迟反而不如他们。
- 目标:把语音技术做成廉价大宗商品,让每个应用都用得起 TTS/STT;接下来做 diarization、视频和世界模型推理。
「编程与Agent」频道最新
- 开源 Element Forge：ComfyUI 里可编辑的实拍视频 AI 特效 — zitroffell · 2026-10-30
- Gym-Anything 引入审计 Agent,专门用合法动作破坏环境找错 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- Cloudflare 不肯做,开发者自研工具实现 Durable Objects 零停机迁出 — samgoodwin89 · 2026-10-30
- 两分钟面试法：用一条 prompt 让 Grok 帮你搭两个定制 bot — nateliason · 2026-10-30
- Cursor、Harvey 为何自训专用模型：多数细分市场养不起专属大脑 — MartinGTobias · 2026-10-30