小红书开源连续自回归语音合成模型 dots.tts，定位可扩展 TTS 基座

小红书 dots 团队开源了 20 亿参数的连续自回归语音合成模型 dots.tts，该模型采用全连续端到端架构，并在 Seed-TTS-Eval 的三个子集上取得最佳平均内容准确度和平均说话人相似度。

此前 TTS 模型多采用离散 token 或非自回归架构，dots.tts 以连续端到端自回归方式实现更高准确度，且开源 20 亿参数模型，为行业提供可扩展的 TTS 基座，有望降低语音合成应用的门槛。

连续自回归架构直接建模连续声学特征，减少信息损失，使内容准确度和说话人相似度提升；全连接端到端设计简化流程，利于扩展；20 亿参数规模提供强大容量，适合作为基座模型被微调适配。

该模型可被集成到语音合成产品中，提升合成语音的自然度和相似度，减少二次开发成本；开源释放模型权重，缩短研发周期；但对部署资源要求较高，需权衡性能与成本。

• 基于 dots.tts 构建定制化语音助手，针对特定说话人进行微调，提供个性化语音服务。
• 开发多语言或方言配音工具，利用高说话人相似度提升配音一致性。
• 集成 dots.tts 到有声书或音视频生成平台，降低配音成本。

• dotts.tts 的具体训练数据规模与来源是否公开？
• 开源协议是否允许商用？
• 在中文之外的语种上表现如何？
• 模型推理时所需的算力与延迟数据未提供。