Inworld发布Realtime TTS-2及TTS-2 Flash语音模型

Inworld公司发布了其最新的文本转语音（TTS）模型：Realtime TTS-2和TTS-2 Flash。Realtime TTS-2侧重于高清晰度，支持基于短音频片段进行逼真的声音克隆；而TTS-2 Flash则专为低延迟和高吞吐量设计，首字节延迟仅为20毫秒，并支持超过200种语言。