Hume AI 推出 TADA:開源行動語音合成系統,速度提升 5 倍且無幻聽現象

Hume AI 已將其最新的語音生成模型 TADA(Text-Acoustic Dual Alignment)開源。這個基於大型語言模型(LLM)的文字轉語音(TTS)系統,採用了針對文字與聲學特徵的創新雙重對齊架構。此方法顯著提升了生成效率與可靠性,並擴大了其實際應用的範圍。
根據官方詳述,TADA 在文字標記與聲學表徵之間建立了嚴格的 1:1 同步關係。此架構徹底解決了傳統基於大型語言模型(LLM)的 TTS 系統中常見的標記層級內容幻覺問題。在涵蓋超過 1,000 個測試樣本的評估中,該模型未出現任何內容幻覺案例。
在效能方面,TADA 的音訊生成速度比同級 LLM 語音合成系統快五倍以上。其資源利用效率亦極為出色,每秒音訊僅需 2 至 3 幀的運算資源。相較之下,傳統解決方案通常需要 12.5 至 75 幀。此高效能使模型能在智慧型手機和邊緣裝置等低功耗硬體上執行本地推論,無需仰賴雲端伺服器。
TADA 提供多語言支援,包含中文在內,其多語言版本基於 Llama3.23B 參數規模。 本次發布包含 1B(主要針對英語)及 3B 多語言預訓練模型。在 2048 個標記的上下文視窗下,該模型可於單次處理中生成約 700 秒的連續音訊。此能力遠超傳統解決方案,後者在相同標記限制下通常僅能處理約 70 秒。
其關鍵創新在於同步轉錄功能。在生成語音的同時,模型會同步輸出對應的文字轉錄。此流程省去了額外的自動語音辨識(ASR)步驟,使文字輸出零延遲。此功能對於即時字幕、語音互動系統及內容創作工具尤具價值。
在人類主觀評測中,TADA 在自然度與聲音相似度兩項指標上均名列第二。其表現超越了多個參數規模更大、訓練資料更龐大的系統,展現出極具競爭力的音質。
連結:https://huggingface.co/collections/HumeAI/tada
相關文章
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
Anthropic 將 Claude AI 編碼工具擴充套件至日本,以推動海外增長
Anthropic,一家美國知名的人工智慧公司,正加強其全球推廣力度。週三,該公司在東京舉辦了一場大型開發者活動“Code with Claude”,吸引了近500名軟體工程師參加。該舉措旨在積極將Claude AI工具及相關產品引入日本市場,強調其自主編碼能力在提升企業生產力方面的核心優勢。強調自動化程式碼生成在活動中,Anthropic展示了其先進的自主編碼系統,該系統能夠獨立處理複雜的程式設計任務並最佳化現有程式碼結構。隨著全球對高效開發工具的需求不斷增長,Anthropic希望透過此類活動加強
相關專題推薦
評論 (1)
0/500

Hume AI 已將其最新的語音生成模型 TADA(Text-Acoustic Dual Alignment)開源。這個基於大型語言模型(LLM)的文字轉語音(TTS)系統,採用了針對文字與聲學特徵的創新雙重對齊架構。此方法顯著提升了生成效率與可靠性,並擴大了其實際應用的範圍。
根據官方詳述,TADA 在文字標記與聲學表徵之間建立了嚴格的 1:1 同步關係。此架構徹底解決了傳統基於大型語言模型(LLM)的 TTS 系統中常見的標記層級內容幻覺問題。在涵蓋超過 1,000 個測試樣本的評估中,該模型未出現任何內容幻覺案例。
在效能方面,TADA 的音訊生成速度比同級 LLM 語音合成系統快五倍以上。其資源利用效率亦極為出色,每秒音訊僅需 2 至 3 幀的運算資源。相較之下,傳統解決方案通常需要 12.5 至 75 幀。此高效能使模型能在智慧型手機和邊緣裝置等低功耗硬體上執行本地推論,無需仰賴雲端伺服器。
TADA 提供多語言支援,包含中文在內,其多語言版本基於 Llama3.23B 參數規模。 本次發布包含 1B(主要針對英語)及 3B 多語言預訓練模型。在 2048 個標記的上下文視窗下,該模型可於單次處理中生成約 700 秒的連續音訊。此能力遠超傳統解決方案,後者在相同標記限制下通常僅能處理約 70 秒。
其關鍵創新在於同步轉錄功能。在生成語音的同時,模型會同步輸出對應的文字轉錄。此流程省去了額外的自動語音辨識(ASR)步驟,使文字輸出零延遲。此功能對於即時字幕、語音互動系統及內容創作工具尤具價值。
在人類主觀評測中,TADA 在自然度與聲音相似度兩項指標上均名列第二。其表現超越了多個參數規模更大、訓練資料更龐大的系統,展現出極具競爭力的音質。
連結:https://huggingface.co/collections/HumeAI/tada
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
Anthropic 將 Claude AI 編碼工具擴充套件至日本,以推動海外增長
Anthropic,一家美國知名的人工智慧公司,正加強其全球推廣力度。週三,該公司在東京舉辦了一場大型開發者活動“Code with Claude”,吸引了近500名軟體工程師參加。該舉措旨在積極將Claude AI工具及相關產品引入日本市場,強調其自主編碼能力在提升企業生產力方面的核心優勢。強調自動化程式碼生成在活動中,Anthropic展示了其先進的自主編碼系統,該系統能夠獨立處理複雜的程式設計任務並最佳化現有程式碼結構。隨著全球對高效開發工具的需求不斷增長,Anthropic希望透過此類活動加強





首頁






