2026年3月11日，Hume AI在著名社交媒体平台“X”的官方账号上宣布正式开源了其最新力作TADA（Text-Acoustic Dual Alignment）模型。
这款基于大语言模型（LLM）的文本转语音（TTS）系统，凭借其独特的文本-声学双对齐架构，在生成效率、可靠性以及应用场景的拓展上实现了重大突破，为语音生成技术树立了新的标杆。
工具地址：Hume AI官网 （海外网站需要科学上网）
模型地址： https://huggingface.co/collections/HumeAI/tada
零幻觉：TADA模型的核心竞争力
传统LLM-based TTS系统在生成语音时，常常面临一个棘手的问题——token级内容幻觉（hallucination）。这一问题不仅影响了语音内容的准确性，还限制了模型在需要高度精确性的场景中的应用。
而TADA模型通过创新性的文本token与声学表示的1:1严格同步机制，彻底解决了这一难题。在超过1000个测试样本的严格评估中，TADA模型展现出了零内容幻觉的卓越表现，确保了生成语音的准确无误。
性能飞跃：5倍速生成，资源消耗极低
除了零幻觉的显著优势外，TADA模型在性能方面同样令人瞩目。其生成速度比同级别LLM TTS系统快5倍以上，这一提升对于需要实时生成语音的应用场景来说至关重要。
同时，TADA模型在资源消耗上也表现出色，每秒音频仅需2-3帧计算资源，远低于传统方案所需的12.5至75帧。这一特性使得TADA模型能够在手机、边缘设备等低功耗硬件上实现本地推理，无需依赖云端服务器，大大拓宽了模型的应用范围。
多语言支持与超长音频生成
TADA模型的另一大亮点是其多语言支持能力。基于Llama3.23B参数规模的多语言版本，TADA能够轻松应对包括中文在内的多种语言需求。同时，模型还提供了1B（主要针对英语）和3B多语言预训练模型，以满足不同用户的需求。
在音频生成长度方面，TADA同样表现出色。采用2048token的上下文窗口，能够一次性生成约700秒的连续音频，这一水平远超传统方案在相同token限制下仅能支持的约70秒，为需要长时间语音生成的应用场景提供了有力支持。
同步转录：零额外延迟的文字输出
除了上述优势外，TADA模型还创新性地引入了同步转录功能。这一功能使得模型在生成语音的同时，能够直接输出对应的文本转录，无需额外运行独立的语音识别（ASR）流程。这一特性不仅实现了零额外延迟的文字输出，还大大简化了语音交互、实时字幕以及内容创作等应用场景的工作流程，提升了用户体验。
人类主观评测：自然度与音色相似度名列前茅
在人类主观评测中，TADA模型同样表现出色。其自然度和音色相似度排名位居第二，超越了多个参数规模更大、训练数据更多的系统。这一结果充分证明了TADA模型在语音质量方面的卓越表现，为其在语音生成领域的广泛应用奠定了坚实基础。
结语：
Hume AI开源的TADA模型以其零幻觉、高性能、多语言支持、超长音频生成以及同步转录等创新特性，为语音生成领域带来了全新的发展机遇。随着技术的不断进步和应用场景的持续拓展，我们有理由相信，TADA模型将在未来发挥更加重要的作用，推动语音生成技术迈向新的高度。
对于开发者而言，TADA模型的开源无疑是一个难得的机遇，他们可以基于这一强大平台，开发出更多创新应用，共同推动语音生成技术的繁荣发展。
AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说
AITOP100平台官方交流社群二维码：
