arXiv · NLP· Fritz Cremer, Jonathan Cremer·· 2026-10-14AI 评分54
TontaubeV1:基于分层 Codec 建模和受限上下文的流式文本转语音模型
TontaubeV1: Streaming Text-to-Speech with Hierarchical Codec Modeling and Bounded Context
AI 导读
作者发布 TontaubeV1 模型,利用 Qwen3 系列架构实现了单卡流式文本转语音,首包延迟约 200 ms。该模型在盲测中 70.25% 的听众认为其韵律优于 Fish Audio S2 Pro,权重已在 Hugging Face 开放。
来源:arXiv · NLP · arxiv.org