InworldAI推出语音合成模型TTS-1.5,首字响应延迟低至130毫秒,成本较同类产品降低25倍以上,每分钟调用费用最低0.005美元。语音表现力提升30%,词级错误率下降40%,支持15种语言,输出高度拟人化且情感自然。
Inworld推出TTS-1.5:低延迟,成本比同类便宜25倍
作者:技术拾光
时间:2026-08-03
浏览:102
文章目录
Inworld AI 推出语音合成模型 TTS-1.5,延迟与音质实现突破
Inworld AI 近期正式发布全新语音合成模型 Inworld TTS-1.5。据官方数据,该模型被定位为当前业界延迟最低、音质最高的实时语音 AI 解决方案。具体性能指标显示,其技术表现确实具备显著优势。
TTS-1.5 延迟低至 130 毫秒,推理速度逼近轻量版本
TTS-1.5 Max 版本的首字响应延迟(P90)控制在 250 毫秒以内,而更轻量的 Mini 版本则低于 130 毫秒——相比上一代产品,整体提速达 4 倍。值得注意的是,Max 版本在保持超低延迟的同时,能够输出以往仅在高延迟场景下才能实现的音频保真度。其推理速度已接近 Mini 版本,但人声表现更具层次感与情绪张力,成为该模型的核心竞争力。

语音表现力提升 30%,错误率下降 40%
升级后的 TTS-1.5 在语音表现力上提升了 30%,词级错误率下降 40%。此前开发者常遇到的幻听、断句卡顿、音色失真等问题得到明显缓解。最终生成的语音高度拟人,情感表达自然细腻,语境理解精准稳定,听感上几乎无法区分是机器合成。
支持 15 种语言,单位算力成本降低超 25 倍
多语言能力方面,TTS-1.5 支持语种扩展至 15 种。成本控制表现出明显优势:相比主流竞品,单位算力成本降低超过 25 倍。具体而言,TTS-1.5 Mini 每分钟调用费用为 0.005 美元,TTS-1.5 Max 也仅为 0.01 美元/分钟,定价极具竞争力。

版本定位清晰:Max 覆盖多数场景,Mini 专攻实时对话与游戏 NPC
两版本定位明确:TTS-1.5 Max 适用于绝大多数交互场景需求;TTS-1.5 Mini 则针对对端到端延迟极度敏感的应用(如实时对话、游戏 NPC 语音)进行了深度优化。用户可根据不同场景选择适合的版本。
实用工具推荐
电子包浆
使用 ›绿化、压缩、噪点和虚拟水印,自由调节做旧程度。
图片压缩
使用 ›选择画质和输出格式,预览压缩前后的大小。