Miso One 是由 Miso Labs 开发的一款开源权重、80亿(8B)参数的文本转语音(TTS)系统。它专门针对生成高度逼真、富有表现力且情感丰富的英文对话式语音而设计,非常适合语音智能体(Voice-Agent)研究和开发者工作流。该系统基于 Sesame 风格的对话式语音模型(CSM)架构,并采用 Mimi 音频编码,具备高度优化的推理能力,官方公布的延迟低至 110 毫秒。除了文本转语音生成外,该模型还支持在明确授信的前提下,通过音频上下文进行语音续写和单样本(One-Shot)声音克隆。
适合人群
- 语音智能体开发者
- 模型研究人员
- 内容创作者
- AI 开发者
- 安全合规评审员
产品优势
- 开源权重让开发者能够完全掌控本地部署与推理过程
- 低至 110 毫秒的极低延迟,专为互动式智能体循环打造
- 高音频保真度,支持最高 48 kHz 的预览音频生成
- 方案灵活,年度订阅可享受高达 50% 的折扣
使用注意
- 目前仅支持英文生成,不具备广泛的多语言支持
- 8B 参数的大型模型权重文件需要较高的本地硬件和 GPU 资源
- 根据所选方案级别的不同,单次转换的字符数量受到严格限制



