今天，我们正式发布首个开源文字转语音（TTS）模型－TADA！ TADA（文字音讯双对齐）是一款语音语言模型，它能将文字和音讯同步生成于同一音讯串流中，从而减少词元级错位并降低延迟。 这意味著： → 在超过 1000 个测试样本中，内容错位为零 → 速度比同等级的语言学习模型（LLM）为基础的 TTS 快 5 倍 → 可处理更长的音频：TADA 产生的 2048 个词元可覆盖约 700 秒的音频，而传统系统只能覆盖约 70 秒 → 音讯与文字同步，无需额外延迟。