小米 AI 实验室发布 ZipVoice 系列语音合成 TTS 模型，解决零样本语音合成痛点
9 月 12 日消息，小米集团 AI 实验室今日宣布，旗下 Kaldi 团队上个月发布了基于 Flow Matching 架构的 ZipVoice 系列语音合成（TTS）模型，包括：
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
ZipVoice（零样本单说话人语音合成模型）
ZipVoice-Dialog（零样本对话语音合成模型）
据最新介绍，作为 zipformer 在语音生成任务上的应用和探索，ZipVoice 解决了现有零样本语音合成模型的参数量大、合成速度慢的痛点，在轻量化建模和推理加速上取得了重要突破。
ZipVoice-Dialog 则解决了现有对话语音合成模型在稳定性和推理速度上的瓶颈，实现了又快又稳又自然的语音对话合成。
从小米最新获悉，ZipVoice 首次将原本为自动语音识别（ASR）设计的 Zipformer 架构引入 TTS 任务作为模型的骨干网络，Zipformer 中的三大设计：基于 U-Net 的多尺度高效率结构、卷积与注意力机制的协同处理、以及注意力权重的多次复用都高度适配语音合成任务，从而实现了语音合成模型的高效建模。
得益于这一设计，相比基于 DiT 的语音合成模型，在性能相似的情况下，ZipVoice 的参数量减少了约 63%。
性能方面，ZipVoice 和 ZipVoice-Distill 在具备更小参数量和更快推理速度的同时，在三个客观指标，即说话人相似度（SIM-o）、词错误率（WER）和 UTMOS，以及两个主观指标（CMOS、SMOS）上都极具竞争力，达到了零样本语音合成模型的 SOTA 性能水平，同时显著减少了模型参数量，加快了推理速度。
小米最新表示，ZipVoice 零样本语音合成模型具备了低参数量、高推理速度、高语音质量三大优点，ZipVoice-Dialog 提供了又快又稳又好的对话语音合成新方案。ZipVoice 系列模型为轻量化、高速度要求的语音交互应用场景提供了新的解决方案。
此外，小米表示未来团队将持续对 ZipVoice 系列模型进行优化，致力于让每一个人都能享受到低成本高质量的语音合成技术。
参考地址：
ZipVoice 系列的模型文件、训练代码和推理代码以及 6.8k 小时的语音对话数据集 OpenDialog 已全部开源：https://github.com/ k2-fsa / ZipVoice
Zipvoice 论文已被 ASRU2025 接收：https://arxiv.org/ pdf/2506.13053
样例体验请访问：https://zipvoice.github.io
热门专题
热门推荐
《洛克王国世界》呼唤独角兽的正确姿势 在《洛克王国世界》的主线任务中，有时会遇到需要精确输入特定角色名称的环节。其中一个关键节点，便是要准确拼写出独角兽“伊利斯”的真名。很多玩家稍不注意就可能记错或用错字，导致任务流程在此停滞不前。这篇指南将为你清晰解析正确的输入方法，助你快速通关。 《洛克王国世界
《洛克王国世界》风眠圣所“向上的方法”任务图文通关指南 在《洛克王国世界》的风眠圣所探险过程中，很多玩家会在“找到向上的方法”这一环节遭遇卡点。实际上，只要理清思路、明确顺序，完成这个挑战并不困难。本攻略将为你提供一套经过验证的详细图文流程，帮助你一次性顺利通过。 最后的关键操作非常简单：准确判断风
《洛克王国世界》叶冕魔力猫打法全攻略：高效通关技巧解析 在《洛克王国世界》的主线剧情推进中，挑战初始精灵首领叶冕魔力猫是一个重要环节。许多玩家在这个关卡遇到了困难，感觉难以突破。不必担心，这份详尽的实战打法指南将为你提供清晰的过关思路，帮助你轻松击败叶冕魔力猫。 核心挑战思路与强力精灵推荐 与叶冕魔
《洛克王国世界》罗隐捕捉指南：高效获取圣羽翼王挑战关键战宠 在《洛克王国世界》中，成功挑战传说精灵圣羽翼王是许多训练师的终极目标之一。选择合适的战宠至关重要，而罗隐以其出色的对抗能力，已成为公认的核心攻略选择。那么，这只关键的宠物究竟在哪里可以捕获？本文将为你提供详尽的罗隐捕捉位置图解与实用技巧。
速览 在《大店小二》中，如何高效使用元宝和银两是新手玩家普遍面临的难题。资源有限，如何将每一分投入转化为最大收益？本文将深入解析两类资源的最优使用策略，核心原则是：元宝投资于长期价值，银两专注于核心养成。 大店小二元宝与银两使用优先级攻略 1 元宝使用指南 首要建议：若非充值玩家，请勿将元宝大量用