文本转语音与声音克隆，8B参数，基于Sesame CSM架构，使用Llama 3.2风格骨干和自回归音频解码器，生成Mimi音频码。

运行模型 MisoLabs/MisoTTS

图片转视频，支持原生音频生成，基于LTX 2.3 audio-video模型和fp8 checkpoint，运行Comfy工作流，可关闭音频输出静音MP4。

Kokoro文本转语音demo，已升级至v1.0版本。