AI HOT 小时报｜2026-06-18 14:05

数据源：AI HOT /api/public/items?mode=selected；时间窗 since=2026-06-18T04:55:07Z。摘要由 AI HOT 提供，引用前请点原文核对。

本小时值得看

1. MOSS-TTS-Local-Transformer-v1.5 在 SGLang-Omni 上：原生流式 48 kHz 语音服务

• 分类：产品
• 来源：LMSYS：Blog（Chatbot Arena 团队）
• 发布时间：2026-06-18T05:56:08.548Z
• 原文：https://www.lmsys.org/blog/2026-06-17-moss-tts-local-v15

MOSS-TTS-Local-Transformer-v1.5 是一款开源 TTS 模型，支持 48 kHz 立体声、零样本声音克隆、最长 10 分钟长文本合成、时长控制及 31 种语言。其核心采用 Qwen3-4B 骨干与约 2B 参数的 MOSS-Audio-Tokenizer-v2 音频编解码器，通过 12 个 RVQ 码本运行。SGLang-Omni 以三阶段流水线部署该模型。在 Seed-TTS-Eval 上词错误率 5.10%、语音相似度 69.23%，CV3-Eval 上 WER 7.48%、SIM 61.59%，MiniMax Multilingual 上 WER 6.37%、SIM 75.31%，X Voice 上 WER 20.48%、SIM 63.00%。

UseClaw 观察

• 优先关注能进入真实工作流的产品更新，而不只看模型跑分。
• 优先关注 Agent、编程工具、企业集成、自动化、合规安全这些会影响数字员工落地的信号。
• 如果某条新闻能说明“谁痛、为什么信、下一步去哪”，后续可扩写成 UseClaw 深度内容。

UseClaw 持续记录 Claude、Codex、OpenClaw、AI Agent 与数字员工的真实案例、方法和产品化实践。
了解更多：https://useclaw.net/