Hume AI近日开源发布文本转语音系统TADA（Text-Acoustic Dual Alignment），该系统基于大语言模型，采用创新的文本-声学双对齐架构，在千余测试样本中实现零内容幻觉。其生成速度比同级别LLM TTS系统快5倍以上，每秒音频仅需2-3帧计算资源，可在手机等边缘设备本地推理。TADA支持多语言，拥有1B（英语）和3B多语言预训练模型，2048token上下文窗口可一次性生成约700秒连续音频。此外，该模型具备同步转录功能，生成语音时可直接输出文本转录，无需额外语音识别流程。在人类主观评测中，其自然度和音色相似度排名第二，语音质量竞争力强。模型地址：https://huggingface.co/collections/HumeAI/tada。