# Miso One 开源了一个 8B 参数的语音模型，克隆声音只需一小段样本，延迟 110 毫秒

> 原标题：Miso One 开源语音模型：8B 参数、110ms 延迟、一次语音克隆

- 来源：AI HOT 精选
- 发布时间：2026-06-03T16:32:34.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/33637
- 原文：https://x.com/kimmonismus/status/2062210845308780639

## 摘要

Miso One 放出了一个 8B 参数的开源 TTS 模型，主打一次语音克隆——给它一小段音频样本就能模仿那个人的说话风格和节奏。推理延迟标称 110ms，对实时对话场景算可用。模型权重直接挂在 GitHub 上，你可以自己部署，音频数据不用上传到第三方服务器。官方说 API 之后会出，但正文没提价格和上线时间。

## 推荐理由

Miso One 开源了 8B 参数的语音克隆 TTS 模型，一小段音频样本即可模仿说话风格，标称 110 毫秒延迟，权重挂在 GitHub 上支持自行部署。

## 锐评

8B 能自托管做一次语音克隆，这个组合对做实时语音 agent 的人是刚需。110ms 延迟是标称值，权重挂 GitHub 上、音频不出本地这两点更值钱，很多场景卡的就是数据不能上传。

单条推文发的，没跑分没许可证细节，API 价格和上线时间也空着。想上生产的先自己拿样本跑一遍克隆相似度和长句稳定性，别拿标称延迟当验收标准。
