流式输出Streaming output

工程 · 已普及

MiniMax「支持流式输出」· Google「流式语音生成（仅 3.1）」

各家叫法：streaming · 流式输出 · stream同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获，然后把「没找到」写成「官方没说」。

tts：谁实现了

稀宇科技 MiniMax

MiniMax Speech speech-2.8-hd

接口概览「同步语音合成」一节：「支持流式输出」

MiniMax 开放平台 · 接口概览官方来源核验版本 speech-2.8-hd核验于 2026-08-12机器录入

ElevenLabs

ElevenLabs Eleven v4

⚠️ 2026-10-10 已更新到 Eleven v4，此格尚未核到新版的直接证据，显示未知；原核验版本 Eleven v3。旧记录：「Stream real-time audio from text」

ElevenLabs · Text to Speech官方来源核的是 Eleven v3 · 现已是 Eleven v4，未重核核验于 2026-10-10机器录入

Google DeepMind

Gemini TTS 3.8 Flash TTS

3.8 Flash TTS 示例明确使用 stream:true；默认返回 24kHz 单声道 PCM 音频块。

Gemini API · Speech generation官方来源核验版本 3.8 Flash TTS核验于 2026-10-19机器录入

OpenAI

GPT TTS GPT-4o mini TTS

「chunk transfer encoding」实时流播：「the audio can be played before the full file is generated」

OpenAI · Text to speech官方来源核验版本 GPT-4o mini TTS核验于 2026-08-12机器录入

阿里巴巴

Qwen Omni 3.5-omni-plus

请求参数含 `stream` 与 `stream_options`

阿里云百炼 · Qwen-Omni官方来源核验版本 3.5-omni-plus核验于 2026-08-12机器录入

智谱

GLM-TTS

「支持非流式、流式接口」两种调用，流式首帧可达 400ms 以内；参数 `stream`

智谱 · GLM-TTS官方来源核验版本 GLM-TTS核验于 2026-08-12机器录入

阿里巴巴

CosyVoice Fun-CosyVoice3-0.5B-2512

「Support both text-in streaming and audio-out streaming，achieves latency as low as 150ms」—— 双向流式，明写

Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入

Fish Audio

Fish Speech s2-pro

给的是流式才有意义的指标：首音频时延约 100 毫秒、实时率 0.195（H200）、吞吐 3,000+ 声学 token/秒。⚠️ 模型卡没有明写「支持流式接口」，这一格是从这三个指标推的

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入

hexgrad（Kokoro）

Kokoro 82M v1.1-zh

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 82M v1.1-zh未单独记核验日 · 数据截至 2026-10-19机器录入