Realtime TTS-2 是实时文本转语音（TTS）的第二代技术形态，追求毫秒级首包延迟、流式输入与可打断对话，是语音代理、AI 客服和陪伴类产品的核心组件。这个方向的竞争重心，正从比拼单一模型的音色质量，转向“识别—推理—合成”全链路的整合，近期 Inworld 收购 Ultravox 被视为一个标志性节点。
Realtime TTS-2 近期进展
当前焦点与观察点
对 Realtime TTS-2 赛道而言，并购整合意味着单靠“好音色”卖模型的空间在收窄，低延迟、可打断、与代理编排深度耦合将成为新的比较基准。后续值得跟踪的点包括：Ultravox 的开源路线是否延续、其语音管线与 Inworld 自有模型是否合并为端到端方案，以及定价与服务形态的变化。独立语音厂商与代理平台的竞合关系，是未来半年最值得观察的变量。