Kyutai Labs 宣布开源其最新文本转语音（TTS）技术 ------Kyutai TTS，实时的语音生成解决方案。
Kyutai TTS 以低延迟与高保真声音为亮点，支持文本流式传输，无需完整文本即可开始生成音频，特别适合实时交互场景。
在语言支持与质量评估方面，Kyutai TTS 目前支持英语和法语，单词错误率（WER）分别为 2.82 和 3.29，展现出高准确度。说话者相似度达到 77.1%(英语) 和 78.7%(法语)，确保语音自然且接近原始样本。模型还能处理长篇文章，突破传统 TTS 的 30 秒限制，适合新闻、书籍等长篇内容生成
Kyutai TTS 采用延迟流建模（DSM）架构，结合 Rust 服务器实现高效批处理，已在 GitHub 和 Hugging Face 开放源码与模型权重，助力全球开发者推动语音技术创新
参考：