【TTS】2025.3: SupertonicTTS: Towards Highly Efficient and Streamlined Text-to-Speech System及c++代码

SupertonicTTS 论文：2025 年 3 月 29

• 音频与语音处理 (eess.AS); 机器学习 (cs.LG); 声音 (cs.SD) 查看论文。
• [Submitted on 29 Mar 2025 (v1), last revised 23 Sep 2025 (this version, v3)]
  [提交于 2025 年 3 月 29 日（v1），最后修订于 2025 年 9 月 23 日（此版本，v3）]

https://arxiv.org/abs/2503.23108 论文在这里，代码在这里：https://github.com/supertone-inc/supertonic ，

---

当前（2025.11）还不支持英文，看demo还不是流式的

结论：

• 是的，这个模型本身非常快，以官方给的数据，TTS 这段几乎可以忽略不计，做 3D 数字人时瓶颈肯定不在它身上。
• 但目前没有“官方流式接口”，是一次性把整段文本→整段语音的离线推理，你要用在“流式数字人”上，需要自己做一层 chunk-based 的伪流式封装。
• 另外一个致命点：当前模型是英文 TTS