说明文档
FireRedTTS-2 是由小红书音频技术团队打造的下一代文本转语音（TTS）模型。它不仅具备极高的拟真度和情感表现力，更通过创新的离散语音编码技术，在长对话合成、多语种支持以及实时流式传输方面达到了行业顶尖水平。
核心亮点
- 超低帧率离散编码（12.5Hz）：采用自研的高效语音编码器，每秒仅需 12.5 个标签即可还原高保真音频。这种“极简”的表达方式大幅缩短了语音序列，显著提升了生成速度并降低了长对话建模的难度。
- 极致稳定的说话人切换：针对对话场景优化，模型在多人对谈、语气变换以及角色切换时表现极其稳定，完全解决了传统模型在长文本下容易出现的“变声”或“崩音”问题。
- 原生流式解码支持：架构天然适配实时交互，支持逐句生成与流式输出。这意味着它在保持高音质的同时，能提供极低的响应延迟，非常适合 AI 智能助手。
- 全开箱即用的多语种支持：原生覆盖中文、英语、日语、韩语、法语等多种主流语言，且能够实现自然的语种混报与跨语种音色迁移。
核心功能
- AI 播客级对话合成：能够模拟真实的人类对话韵律，自动处理停顿、喘息与语气起伏，是制作 AI 播客、有声读物和剧本杀音频的理想工具。
- 高语义信息还原：离散编码器蕴含丰富的语义特征，使得合成出的语音不仅字正腔圆，更具备深层的情感表达力。
- 随机与指定音色克隆：支持随机生成多样化音色，也支持通过极短样本进行高相似度的零样本语音克隆。
- 高效生产力工具：可作为下游任务（如 ASR 训练数据增强）的高质量语音数据生成器。
适用群体
- 播客/短视频创作者：快速生成极具“人情味”的对谈式解说音频。
- 智能硬件与 APP 开发者：需要低延迟、高品质实时对话反馈的 AI 助手场景。
- 语言学习平台：利用多语种原生支持，构建地道且自然的语言教学内容。
- 科研人员：探索大规模离散语音建模与多模态生成的前沿技术。
