🔼Китайский Luna-TTS от VUI Labs возглавил мировой рейтинг TTS Arena, обойдя ElevenLabs и MiniMax

Китайский стартап VUI Labs представил модель Luna-TTS, которая заняла первое место в TTS Arena на Hugging Face, обойдя ElevenLabs, MiniMax и Cartesia, и третье место в Speech Arena от Artificial Analysis, опередив Google. Основатели компании — профессор Шанхайского университета Цзяо Тун Цянь Яньминь и серийный предприниматель Мэй Цзе.

Luna-TTS отходит от mainstream-подхода: вместо авторегрессивной генерации звук сжимается в дискретные токены, а диффузионная языковая модель на базе Qwen3 предсказывает их пакетами параллельно. Это снижает задержку и накопление ошибок. По техническому отчёту, модель получила шесть первых мест: качество голоса в Seed-TTS-Eval, помехоустойчивость в CV3-Eval, скорость первого пакета и real-time фактор. В режиме реального времени Luna-TTS Realtime выдаёт речь блоками по 1,28 секунды с задержкой первого пакета 41,6 мс на двух H20 GPU — более чем в 40 раз быстрее реального времени.

Для выразительности команда собрала мультиязычный корпус объёмом миллион часов: 43,4% китайского, 43,1% английского, 13,6% японского и корейского. Смех, вздохи и кашель размечены как текстовые промпты, поэтому модель естественно передаёт эмоции. Для клонирования голоса достаточно нескольких минут аудио. Коммерчески VUI Labs предлагает API модели, платформу для создателей и платформу голосовых агентов. Решения уже применяются в логистике, интернет-страховании и туристическом SaaS — клиенты провели более миллиона реальных бизнес-диалогов.

#AI #Business #China #Ranking #TTSArena #Luna