Baseten发布Gradium TTS模型

发生了什么

据Baseten Blog报道，Baseten于10月13日发布Gradium TTS模型，专为实时语音代理设计。该模型采用延迟流建模（DSM）架构与GPU优化技术，实现首音延迟（TTFA）快于人类语速。独立基准测试显示，截至2026年9月，Gradium TTS的中位TTFA为214毫秒。模型通过内核融合和CUDA Graphs降低延迟，支持流式输出，无需等待完整文本生成即可开始说话。