嘿 HN，我是 Nari Labs 的 Toby。我们一直致力于让开源语音模型变得超快。去年，我们构建了 Dia，这是第一个能够进行自然对话的开源文本转语音模型。从那时起，许多更棒的语音模型相继发布。但市场仍然由闭源模型主导。我们认为这是一个推理问题。现有的系统如 vLLM / SGLang 并不适合多模态推理。为了证明这一点，我们构建了一个专为 Qwen3-TTS 设计的推理引擎并将其开源。在 10 RPS 下实现低于 50 毫秒的延迟，这表明开源模型可以运行得更快、更便宜。

从那时起，我们一直在努力为所有人带来廉价、快速且高质量的服务。我们甚至在闭源模型擅长的领域击败了它们！在备受引用的 Coval (YC S24) 语音 AI 基准测试中，我们的 Qwen3-TTS 端点不仅在延迟上排名第二，而且在准确率 (WER) 上排名第一，超越了 11Labs、Cartesia 等，同时还是最便宜的端点。我们的 Qwen3-ASR 端点具有最低的延迟和排名第二的准确率，仅比第一名低 0.1%。它是列表中第二便宜的模型。

我们进行了大量巧妙的推理工程，使这些模型快速、性能良好，同时保持低成本。有趣的是，阿里巴巴的官方端点似乎在准确率和延迟方面表现不如我们的。但尽管如此，非常感谢 Qwen 团队开源这些出色的语音模型。我们希望继续降低价格，使语音技术成为一种商品——这样每个应用都可以拥有出色的 TTS 和 STT，而无需担心单位成本。我们还在研究音频的其他部分，如说话人分离——以及视频和世界模型推理。更多内容即将推出！

关键实体：公司：Nari Labs、Qwen、Coval、11Labs、Cartesia、Alibaba、Assembly AI、Deepgram、Fluxions | 人物：Toby

FAQ：什么是 Nari Labs 的 Qwen3-TTS 和 Qwen3-ASR？

Nari Labs 的 Qwen3-TTS 和 Qwen3-ASR 是开源语音模型，具有高精度和低延迟，针对快速推理进行了优化。

FAQ 问题：什么是 Nari Labs 的 Qwen3-TTS 和 Qwen3-ASR？

FAQ 答案：Nari Labs 的 Qwen3-TTS 和 Qwen3-ASR 是开源语音模型，具有高精度和低延迟，针对快速推理进行了优化。