Miso One

Miso One 是由 Miso Labs 开发的一款开源权重、80亿（8B）参数的文本转语音（TTS）系统。它专门针对生成高度逼真、富有表现力且情感丰富的英文对话式语音而设计，非常适合语音智能体（Voice-Agent）研究和开发者工作流。该系统基于 Sesame 风格的对话式语音模型（CSM）架构，并采用 Mimi 音频编码，具备高度优化的推理能力，官方公布的延迟低至 110 毫秒。除了文本转语音生成外，该模型还支持在明确授信的前提下，通过音频上下文进行语音续写和单样本（One-Shot）声音克隆。