Miso Oneとは？
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。
主な機能
8B 参数开源权重文本转语音模型
富有表现力、对话式且情感丰富的英文语音生成
低延迟架构，官方宣称响应时间仅为 110 毫秒
支持单样本声音克隆和提示音频续写功能
采用 Mimi 音频编码的离散音频编码建模
48 kHz 预览音质，内置数字水印与安全检查 mechanism
公式サイトからの抜粋
Learn what Miso One is, how Miso TTS 8B works, where to download the open weights, and what to know…
長所と制限
長所
- 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
制限事項
- 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
料金と利用条件
包含用于初步测试的免费额度，单次转换最多 120 个字符。
按年计费（若按月计费则为 $9.90/月）。包含每年 960,000 个 TTS 字符额度、9,600 个语音点数、最多 480 个即时声音克隆、私有语音模型创建以及邮件支持。
按年计费（若按月计费则为 $29.90/月）。包含每年 4,200,000 个 TTS 字符额度、42,000 个语音点数、最多 2,100 个即时声音克隆，以及语音工作流的优先技术支持。
按年计费（若按月计费则为 $49.90/月）。包含每年 9,600,000 个 TTS 字符额度、96,000 个语音点数、最多 4,800 个即时声音克隆，以及专属团队的优先技术支持。
価格や利用上限は変更される場合があります。最新の条件は公式サイトをご確認ください。
公式サイトと情報源
情報源
情報更新日 2026-10-21
