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
- 倒着造谜题:滑铁卢大学发布 2 万题 ORBIT 数据集训练搜索 agent — CShorten30 · 2026-09-15
- 独立开发者自建安全管理清单，覆盖其 40+ 应用项目 — saibharadwaj · 2026-09-15
- JetBrains 支持的 ThinkRail 开源,主打 AI 时代的规格驱动开发 — makingthematrix · 2026-09-15
- 在 AGENTS.md 写「别过度设计」,agent 回敬一个防过度设计框架 — granawkins · 2026-09-15
- 4000 次实测:96 个工具只掉 9 分,agent 第三轮才是真瓶颈 — EastVersion1226 · 2026-09-15
- 网友用 OpenAI Astra 配合 Codex 逐帧复刻《超时空要塞 7》游戏 — algo_diver · 2026-09-15