# Boson AI 与 LMSYS 发布基于 SGLang-Omni 的 Higgs Audio v3 TTS 端到端服务

- 来源：AI HOT 精选
- 发布时间：2026-06-04T16:53:01.234Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/34330
- 原文：https://www.lmsys.org/blog/2026-06-04-higgs-audio-v3-tts

## 摘要

Higgs Audio v3 TTS 是 Boson AI 的语音合成模型，参数量大约 4B，底层用了 Qwen3-4B。它支持 100 种语言，在内部测试集上词错率/字错率能压到个位数。这个模型专门为语音助手那种边说边生成的场景设计，不等句子结束就能开始合成，后续文本到了还能保持声音、情绪和节奏连贯。

## 推荐理由

Boson AI 与 LMSYS 把 4B 参数的 Higgs Audio v3 TTS 接入 SGLang-Omni 做端到端服务，支持 100 种语言，并针对语音助手边说边生成的流式场景优化声音与情绪连贯性。

## 锐评

4B 的 TTS 能压到个位数错字率，这个尺寸是真能自己部署的，不用排队等 API。边说边合成这个方向也对，语音助手最烦的就是等整句生成完才出声，延迟全耗在那。但材料里没给延迟、没给定价、没放权重，现在只能算个能力宣告。TTS 这层现在卷得厉害，4B 配 Qwen3 底座，成本应该压得住，真开源出来做实时语音的会直接换。
