Baseten推出文本转语音服务
先了解这件事
Baseten 发布 Qwen3-TTS-12Hz 流式文本转语音模型，支持十种主要语言、3 秒参考音频快速克隆音色，并可依据文本内容调整语气、节奏和情感表达。模型支持流式与非流式生成，收到单个字符即可输出首个音频包，提供 0.6B 和 1.7B 两个 Base 版本模型卡，页面附有基于 WebSocket 的完整调用脚本，可进行语音管理和 PCM 流式合成。
摘自 Baseten Base Labs：模型研究
事件进展
2 个进展
- 9月30日 22:27 · 1 篇报道CAMB.AI 发布 MARS6 文本转语音模型Baseten Base Labs：模型研究：CAMB.AI 发布 MARS6 前沿文本转语音模型，支持 10 种语言音色克隆
- 9月30日 22:27 · 4 篇报道Baseten推出文本转语音解决方案Baseten Base Labs：模型研究：Baseten 上线 Qwen3-TTS-12Hz 语音合成模型部署
报道时间线
沿着报道，了解事件的不同侧面。
- Baseten 工程博客Baseten 文本转语音：支持 Orpheus TTS、MARS6 与 Qwen3 TTS 12Hz 的语音合成基础设施
Baseten 推出文本转语音（Text-to-speech）服务，可部署 Orpheus TTS、CAMB.AI 的 MARS6 以及 Qwen3 TTS 12Hz 等语音合成模型。
- Baseten Base Labs：模型研究Baseten 上线 Qwen3-TTS-12Hz 语音合成模型部署
Baseten 发布 Qwen3-TTS-12Hz 流式文本转语音模型，支持十种主要语言、3 秒参考音频快速克隆音色，并可依据文本内容调整语气、节奏和情感表达。模型支持流式与非流式生成，收到单个字符即可输出首个音频包，提供 0.6B 和 1.7B 两个 Base 版本模型卡，页面附有基于 WebSocket 的完整调用脚本，可进行语音管理和 PCM 流式合成。
- Baseten Base Labs：模型研究CAMB.AI 发布 MARS6 前沿文本转语音模型，支持 10 种语言音色克隆
CAMB.AI 推出前沿文本转语音模型 MARS6，支持 10 种语言的音色与韵律克隆，需商业授权方可使用。模型至少需要文本、参考音频、参考文本和目标语言四项输入，输出默认采用 ADTS AAC 流式响应，也可配置为 flac 流式或返回 base64 编码的 flac 文件。
- Baseten Base Labs：模型研究Orpheus TTS：Canopy Labs 的实时流式语音模型
Canopy Labs 推出 Orpheus TTS（Orpheus v1），为其 Orpheus TTS 的继任模型，需以约 83 tokens/秒生成才能实现实时流式输出。该实现支持流式生成，在 H100 MIG GPU 上可支持 16 路并发实时流（可变流量）、24 路并发实时流（稳定流量），以及 128 路并发非实时生成以进行低成本批处理。
- Baseten Base Labs：模型研究Baseten Orpheus 3B 的 WebSocket 流式 TTS 接入示例
Baseten 发布 Orpheus 3B 的 WebSocket 接入示例：客户端先发送含 voice、max_tokens、buffer_size 的 JSON 元数据，再通过同一连接逐词流式发送文本，服务端返回原始音频字节。示例用 `__END__` 哨兵标记文本结束，音频以 24000 采样率、paInt16、单声道播放，代码基于 aiohttp 与 pyaudio。