FireRedTeam 开源 FireRedTTS-2 长对话语音生成模型

FireRedTeam 开源 FireRedTTS-2，面向播客和聊天机器人的长对话流式 TTS，支持 3 分钟、4 说话人对话生成。支持中英日韩法德俄七种语言和零样本音色克隆，基于 12.5Hz 流式语音 tokenizer 与双 Transformer 架构，L20 GPU 上首包延迟低至 140ms，bf16 推理将显存占用从 14GB 降至 9GB，并已发布微调代码与教程。