小红书开源dots.tts,连续自回归语音合成基座

小红书dots团队与上海交大X-LANCE实验室开源dots.tts,20亿参数全连续端到端自回归TTS基座,跳过离散Token量化,直接在连续隐空间逐块建模并还原波形;在Seed-TTS-Eval三个子集上平均内容准确度与说话人相似度达SOTA,支持流式输出,1T1A双流模式音频首包低至54.4毫秒,SGLang单卡最高16路并行;采用Apache 2.0开放六个检查点及训练、推理、微调、蒸馏全套代码,并推出支持文本、情绪、韵律、停顿四类编辑的dots.tts.edit,构成可持续扩展的语音合成基座。

搜索