Inworld AI近日发布了全新的语音合成模型Inworld TTS-1.5，官方宣称其是目前业界延迟最低、音质最优的实时语音AI解决方案。

据最新披露，TTS-1.5 Max的P90首字响应延迟控制在250毫秒以内，而更轻量的TTS-1.5 Mini则进一步压缩至130毫秒以下，较前代提速达4倍。尤为关键的是，Max版本在维持超低延迟的同时，实现了过去仅能在高延迟场景下达成的音频保真度；其推理速度已逼近Mini版本，却能输出更具层次感与情绪张力的人声表现。

升级后的TTS-1.5在语音表现力方面提升30%，词级错误率下降40%，并显著缓解了幻听、断句卡顿及音色失真等常见问题。最终生成语音高度拟人：情感表达自然细腻，语境理解精准稳定，听感几近真人发声。

多语言能力同步增强，支持语种已扩展至15种。成本优势同样突出——相比主流竞品，单位算力成本降低逾25倍。其中，TTS-1.5 Mini每分钟调用费用仅为0.005美元，TTS-1.5 Max也仅需0.01美元/分钟。

TTS-1.5 Max覆盖绝大多数交互场景需求，而TTS-1.5 Mini则专为对端到端延迟极度敏感的应用（如实时对话、游戏NPC语音）深度优化。