Miso One

Miso One 是由 Miso Labs 推出的开源权重、80 亿参数的文本转语音（TTS）系统，专为生成高度逼真、富有表现力且情感多样的英文对话语音而设计。它告别生硬呆板的机械发音，为语音注入自然的温度与语调，是语音智能体研究和日常开发者工作流的理想选择。

在底层架构上，Miso One 基于 Sesame 风格的对话语音模型（CSM）架构，并结合 Mimi 音频编码，配备高度优化的推理能力，公开公布的低延迟仅为 110 毫秒。这样的速度表现，使其非常适合对实时性和响应速度要求较高的交互式应用场景。

除了标准的文本转语音生成，Miso One 还支持语音续写和基于音频上下文的一次性语音克隆，并设有明确的授权同意边界。这为研究者和开发者提供了灵活的工具，既能创建连贯且富有表现力的声音，又能兼顾伦理规范。