Inworld 发布全新 TTS-1.5 语音模型：低延迟实时语音合成，支持多语言应用场景

随着实时交互需求的不断提升，语音合成技术在游戏、虚拟现实和智能对话系统中的重要性日益凸显。近日，Inworld 正式推出全新语音合成模型 TTS-1.5，在实时性、成本控制和多语言支持方面实现了显著优化，引发开发者与创作者的广泛关注。

TTS-1.5 模型概览

TTS-1.5 是 Inworld 推出的新一代文本转语音（Text-to-Speech）模型，主打 实时语音输出与低延迟交互体验。该模型在语音自然度、响应速度和可扩展性方面进行了系统级优化，适用于对即时反馈要求较高的应用场景。

实时语音合成，延迟低于 250 毫秒

在技术性能方面，TTS-1.5 实现了低于 250 毫秒的端到端语音延迟。这一延迟水平使语音输出更贴近实时对话体验，能够满足互动游戏、虚拟角色对话以及沉浸式应用中对“即时回应”的需求。

低延迟语音合成有助于减少用户在交互过程中的等待感，使对话更加自然流畅，提升整体沉浸体验。

支持多语言，适配全球化应用

TTS-1.5 提供 多语言语音合成支持，可满足不同语言环境下的语音输出需求。这一特性使其适用于面向全球用户的产品，包括国际化游戏、跨语言虚拟助手以及多地区虚拟现实项目。

多语言能力的加入，也为开发者在内容本地化和全球部署方面提供了更高的灵活性。

成本优势明显，降低语音应用门槛

在价格方面，TTS-1.5 的定价约为 每分钟 0.005 美元。与市场上同类实时语音合成产品相比，成本明显更低，据介绍可达到约 25 倍的价格差距。

这一成本优势使开发者能够在控制预算的同时，大规模使用实时语音功能，尤其适合需要长时间语音输出的应用场景。

面向游戏与虚拟现实的核心应用场景

TTS-1.5 被广泛认为适用于以下场景：

• 游戏中的 NPC 实时对话
• 虚拟现实与沉浸式体验
• 虚拟角色与数字人交互
• 智能对话系统与语音助手

通过实时语音合成能力，开发者可以构建更加灵活、动态的对话系统，使角色交流不再局限于预录音频。

开发者关注度持续提升

随着 TTS-1.5 的发布，越来越多用户表示希望将该模型应用到自己的项目中。其低延迟表现与成本优势，使其在实时语音技术领域具备较高的实用价值，也为互动内容创作提供了更多可能性。

---

总结

整体来看，Inworld 推出的 TTS-1.5 语音模型，在实时响应、多语言支持和价格控制方面展现出较强竞争力。对于需要高频语音交互的游戏、虚拟现实和对话系统而言，这一模型为构建更自然的语音体验提供了新的选择。