全球第一！ 中国模型登顶榜首，首个可编辑AI语音来了

  新智元报道  

中国AI，登顶全球第一！

最近，在全球语音权威评测榜单 Seed-TTS 上，突然杀出了一匹令人胆寒的黑马。

它就是ViiTorVoice 。

这个凭空出世的中国模型，将 Qwen3-TTS、CosyVoice3、Fish Audio 等一众主流巨头挑落马下，径直登顶综合排名第一！

凭借英文词错率（WER）1.32、中文词错率0.99的恐怖数据，它一举击穿了行业的极限天花板，成为当前评测体系中，全球首个中文词错率突破 1.0 大关的里程碑模型。

这个登上榜首的AI语音大模型ViiTorVoice，来自国产公司云上曲率。它终结了长久以来的行业痛点：语音无法局部编辑。

这个全球首个具备「局部编辑」能力的AI，将彻底改变了整个行业！

Hugging Face Demo： https://huggingface.co/spaces/ZzWater/ViiTorVoice

GitHub： https://github.com/viitor-ai/viitor-voice-nar

模型权重： https://huggingface.co/ZzWater/ViiTorVoice-NAR

所以，ViiTorVoice的上手效果究竟如何？

我们用它做了一些实测，看看它到底能不能扛住整活界的考验。

实测一：哈兰德的最新梗——挪威队伙食不够了

昨天，全网都被这条新闻笑喷了。

挪威队参加世界杯，带了3名主厨去美国，还从本国空运食材，就为了喂饱哈兰德。网友热评：哈兰德一个人吃掉了挪威队的伙食预算。

我们立刻整活，找来最近哈兰德最火的广告，用ViiTorVoice把原广告词变成了：「哈兰德要一头牛，怕饿晕找哈兰德」。

结果让人笑疯了。ViiTorVoice新生成的这几个字，不仅音色跟哈兰德一模一样，还完美保留了他那种低沉的嗓音特质。

前后的呼吸节奏和重音分布做到天衣无缝，新版广告一出，效果绝了。

实测二：姆巴佩的「补水啦」，无缝植入任何正经场景

最近，姆巴佩广告中那句魔性的「补水啦~ 」已经洗脑了无数网友。

那语调、那尾音上扬的「啦~」，堪称2026年度鬼畜区预备役素材。

我们用ViiTorVoice直接把其中的台词替换成「我驾驭未来，补水啦~ 」。

结果非常搞笑，ViiTorVoice生成的「补水啦~」三个字，完美继承了原广告里魔性调调，尾音上扬的程度丝毫不差。

最绝的是，它还被无缝融合进了汽车广告那种低沉稳重的旁白节奏里，前后语句在呼吸气口和背景底噪上，完全看不出拼接痕迹。

另外，网站上还有个「AI会说话的照片」功能。

那就让哈兰德向我们吐露一下心声，为什么在赛场上急得想吃人。

就如本文开头所说，在真实环境中，更耗费时间的往往不是第一次生成，而是后期修改。

比如短剧已经完成配音，上线前发现角色人名需要调整；广告文案临时修改了产品名称；课程内容更新了一个专业术语。

重新生成一句新的配音并不难，真正耗时耗力的，是如何让修改后的内容与原有音频保持一致，尤其在音色、情绪衔接、停顿突兀、时间轴同步这些细节上。

ViiTorVoice推出的片段级编辑能力，就解决了上述难题——你可以任意替换某个词、某句话、某个片段。

从此，内容创作、广告营销、短剧配音、有声书制作等全体语音生产工作流，都被彻底改变！

而且，ViiTor的网站上，还有多种实用功能。

比如这个视频配音功能，让鹦鹉小弟给黑道大哥讲冷笑话，直接给它干崩溃了，语音效果自然逗趣，是网上玩梗的好素材。

下面是一对猫狗在分享对付人类的秘诀，轻松幽默的场景，非常适合替换台词，创作宠物拟人化的搞笑视频。

为什么ViiTorVoice会有如此惊艳的效果？成绩来说话。

就如开头所提，它的基准测试成绩单十分亮眼。

在当前业界最严苛、公认度最高的 TTS 标准评测 Seed-TTS 中，ViiTorVoice 交出了一份惊艳的成绩：英文词错率1.32，中文词错率0.99。

特别值得一提的是，ViiTorVoice 在中文词错率（WER）指标上取得当前公开评测最佳成绩，在发音准确性和语义还原能力方面达到行业领先水平，为实时语音交互、视频配音和Agent场景提供更可靠的语音基础设施。

至此，它全面超越了包括 Qwen3-TTS、CosyVoice3、Fish Audio 等在内的主流竞品。

错词率降到 1.0 以下，就意味着它极度稳定、几乎不存在幻觉。而在如此恐怖的稳定性之上，ViiTorVoice 还带来了市场上任何一家商业化产品都不具备的独门绝技。

ViiTorVoice 最具颠覆性的核心能力，就是片段级定向编辑。

正如前文所述，行业内现有的 TTS 方案，无论是开源还是闭源，基本范式都是「整段重新生成」。

但 ViiTorVoice 实现了真正的局部修改：你可以指定某一个词、某一个短语进行独立重新生成，而音频的其他所有部分——包括音色、节奏、背景底噪、前后文的情感连贯性，全部保持绝对稳定！

举个直观的例子。

在 ViiTor 官方提供的 Demo 中，一段英文演讲音频，如果你把其中的部分词句改成其他词，重新生成后，那股特有的拖音、演讲时的呼吸节奏、独特的情绪起伏，完全一模一样，只有那个单词被「无缝替换」了。

影视制作、有声书录制、短剧出海，再也不需要因为改了一句台词而重录整集。

这对于影视后期而言，尤其具有革命性意义——因为它第一次将对白调整从「重资产、长周期的补录流程」解放为「非线性时间线上的实时编辑」，让导演的创作意图得以实现。

在有声书录制中，如果录错专有名词或口误时，无需重录整章，只需定向修改那一两秒的音频即可。几十小时的有声剧，后期修音时间能从几天压缩到几十分钟，且音色与呼吸节奏始终保持一致。

对于短剧出海，这个功能就更是意义重大，它解决了多语言版本「重录成本高、周期长」的痛点，无需重新召集配音演员进棚。制作方只需在原始录音上替换特定用词，即可产出多个语言版本，每版听感都像原生表演。

这种能力是如何实现的？这要归功于 ViiTor 团队在底层架构上做出的一种「反常识」的选择。

当今市面上最火的语音模型（比如 CosyVoice 等），大多采用的是 AR（自回归） 架构。

自回归模型的特点是「逐帧生成」，也就是预测下一个 Token 是什么。

这种模式的好处是顺理成章，但致命弱点在于：它无法做到局部编辑。 

因为当你改变中间的一个词时，由于自回归的链式反应，后续所有的 Token 都会发生改变。

此外，逐帧生成也导致了自回归模型的推理延迟偏高，且容易在长文本中出现瑕疵。

为了攻克这个壁垒，ViiTor 团队毅然选择了难度极高的 NAR（非自回归） 架构。

研发团队用了一个精妙比喻，来解释他们的技术路径——「完形填空」。

ViiTor 使用的是类似于 Masked LM的方式。

当用户需要修改音频中间的 2-3 秒时，系统不需要从头算起。它会将这需要修改的部分「挖空」，然后模型会根据这段音频前面和后面的上下文，精准填补空缺。

正因为模型能够「同时看到前后文」，它填进去的这个词，不仅音色绝对一致，连前后情绪的衔接也能做到天衣无缝。

同时，非自回归架构带来了另一个巨大的红利：极速的推理效率。 

由于可以同时生成所有时间点的Token，ViiTorVoice 的首帧延迟被极大压缩。在同等体量下，其他模型的延迟往往在 150ms-200ms 左右，而 ViiTor 的端到端首帧生成时间做到了 60 毫秒以内。 

结合团队在推理结构和算子层面的深度定制优化，以及一致性蒸馏（将推理步数从 32 步大幅压缩至 4 步或 8 步），使得该模型在海量高并发环境下，依然能保持极低的计算成本。

很多人在刷短视频时都有一个痛点：只要一听到那种千篇一律、缺乏生气的AI 机器音，就会立刻划走，甚至产生生理性恶心。

人类的语言之所以生动，不仅仅是因为说了什么字，更因为包含了大量的副语言信息——呼吸、气口、笑声、叹气、犹豫、甚至是微弱的哭腔。

现有的 TTS 模型大多只能解决「说什么」的问题，而 ViiTor 却着重解决了「怎么说」的问题，实现了令人惊叹的副语言感知与控制能力！

它不需要你在提示词里写上长篇大论的情感描述，而是可以通过插入特殊 Token（比如笑声、叹气），实现词级别的精准控制。

甚至同样是生气，模型未来还能区分是暴怒还是隐忍的愤怒，还能精准控制重音、弱读。

为了做到如此细腻的控制，ViiTor 引入了在图像生成领域大放异彩的 CFG 技术应用在音频推理中。

在生成特定情绪或笑声时，模型在推理时会同时走两条路径——

通过将这两条路径的 Logits 做差值，模型能够极大地强化笑声这个条件的权重。

实测发现，这种机制的成功率和自然度，远远高于传统模型仅靠自然语言去控制的效果。

这就是 ViiTor 在技术路线上与 ElevenLabs 等主流方案的根本差异，也是当前竞争格局下难以快速复制的核心壁垒。

除了编辑和情绪控制，ViiTorVoice 还有一项绝杀技：首个可编辑、无参考文本（Zero-Shot）的跨语种语音克隆。

传统的语音克隆，你需要提供一段说话人的音频，以及对应的准确文字内容。模型本质上是在做「续写」。

但在真实的商业场景中，这会遇到巨大的阻碍。比如短剧出海到巴西、中东，这些小语种（如葡萄牙语、阿拉伯语）的语音转文字模型准确率较低，让传统克隆直接失败。

ViiTorVoice的选择是，直接甩开了文本的拐杖！

在训练阶段，团队刻意丢弃了文本信息，逼迫模型直接从音频的声学特征中去学习说话人的发音习惯、音色和口癖。

结果就是：你只需要上传一段纯音频，模型就能自动提取音色，并用这个音色生成中、英、日、韩等多个语种的内容。 

这对于当前火爆的短剧出海、游戏配音、电影解说来说，无疑是降维打击！

不少国内头部企业，已经成为这家公司的合作客户。

目前，在真实的付费生产环境中，ViiTor每天已稳定处理数十万小时音频，形成成熟的商业模式。

而且非常可贵的是，面对如此强大的技术壁垒，ViiTor 团队展现出了极大的开放格局。

目前，ViiTorVoice-NAR 已经正式开源了其 1B 左右参数量的模型，开发者可以直接在 GitHub 和 Hugging Face 上获取包含 Qwen3 Forced Aligner、W2V-BERT 2.0 在内的完整本地模型组件，自由探索语音克隆、局部编辑和情感控制的无限可能。

AI 语音的发展，正在从能说话到说得像人，再到今天可以像剪辑文字一样剪辑声音。

ViiTorVoice 的出现，不仅是中国 AI 团队在技术创新上的一次重大胜利，更是内容创作工作流的一次革命。

当声音不再是一次性渲染的消耗品，而是可以被无缝编辑、注入灵魂的数字资产时，创作者的想象力，将不再受限于眼前的录音设备。

在这个 AI 日新月异的时代，ViiTor 已经替所有创作者，推开了下一个时代的大门。