此页是 2026-06-06 的观测快照,查看该模型当前信息 → /m/bosonai__higgs-audio-v3-tts-4b/

归档 / 2026-06-06 / Higgs-Audio-v3-TTS-4B (Boson AI)

Higgs-Audio-v3-TTS-4B (Boson AI)

语音对话TTS：100+语种、零样克隆、情感/风格内联控制

入选理由: Higgs Audio v3 TTS 支持100+语言零样本语音克隆与内联情绪控制，适合研究与非商业用途，需GPU（推荐H100）。
对位: 对位 Fish Audio S2 Pro / Qwen3-TTS-1.7B / OmniVoice
适合: 语音对话代理与聊天机器人 / 多语种、情感可控的语音生成
不适合: 商业用途或未经授权的声音克隆
规模: 4B · 8k · Q4 ~3.1GB / FP16 ~11GB
授权: Boson Research & Non-Commercial License · 需自查
框架: sglang-omni / Boson AI API
语种: 100+语言，含中、英、日、韩、法、德等83种高质量语种
可信度: SeedTTS/CV3等4项多语种零样克隆基准WER均最低 (SeedTTS 1.11, CV3 4.41)

仅 safetensors · 无 pickle 加载风险

社区实测

社区对开源发布反响积极,已有用户在 RTX 3090 上实测并纳入多模型基准对比

开源可本地部署的 TTS 模型,社区已在消费级 GPU 上实测
比前代 8B 版本推理更快

仅限研究与非商业用途
部分语言(如日语)的实际表现需自行验证

来源

Higgs Audio v3 TTS 4B. Built for voice chat. Support 100 ... - Reddit bosonai/higgs-audio-v3-tts-4b - Hugging Face Boson AI releases Higgs Audio v3, a 4B-parameter chat-native TTS ...

截至 2026-06-21

快速上手

sgl-omni serve --model-path bosonai/higgs-audio-v3-tts-4b

评分详情

Q1: 今天能接上用吗 5 / 5
Q2: 有可信证据吗 1 / 5
Q3: 是新东西吗 5 / 5
总分: 11

HuggingFace 原始数据 (抓取于 2026-06-06)

作者: bosonai
任务类型: text-to-speech
推理库: transformers
下载: 408
点赞: 116
许可证: Boson Research & Non-Commercial License
标签: transformers, safetensors, higgs_multimodal_qwen3, text-generation, text-to-speech, speech-generation, voice-agent, expressive-speech, controllable-tts, multilingual-tts, af, ar, as, ast, az, ba, be, bg, bn, bs, ca, ceb, ckb, cs, cy, da, de, el, en, eo, es, et, eu, fa, fi, fr, ga, gl, gu, ha, he, hi, hr, ht, hu, hy, id, is, it, jv, ka, kab, kam, kea, kk, kn, ko, ky, la, lb, lg, ln, lt, luo, lv, mhr, mi, mk, ml, mn, mr, ms, mt, ne, nl, no, nso, ny, oc, om, pa, pl, ps, pt, ro, ru, rw, sd, sk, sl, sn, so, sq, sr, sv, sw, ta, te, tg, tl, tr, ug, uk, umb, ur, uz, vi, xh, zh, zu, license:other, endpoints_compatible, region:us

探索