开源的是推理代码和权重，不是一张商用许可证
BreezeBlue 放出 Breeze-TTS-2 的模型权重和 PyTorch 推理代码。公司由前 MiniMax 技术合伙人杨斌创立，做实时语音交互。中英都能读，宣传里把语音克隆、按描述捏声、指挥情绪语速、以及括号里的笑声叹气都写进同一套模型。仓库许可证要先读完：推理代码走 Apache 2.0，权重、衍生模型和自托管输出只允许研究与非商用。
参数大约 3B，官方推理需要一块能跑 CUDA 的英伟达卡。常规路径大约占用 8GB 显存，加速路径更高。托管 API 另算，公开标价大约每百万字符 34 美元。把 GitHub 克隆下来，不等于可以把生成的声音拿去接客服或卖有声书。
四项能力，对应四种输入
克隆声音要同时给清晰录音和一字不差的文稿，模型按音色和口气续读新文本。设计声音不需要样本，直接写「声音温暖、语气平静的年轻女生」这类句子，生成一条新声线。指挥情绪和语速是在已有声音上加指令：慢一点、严肃一点、再热情一些；中文稿就用中文写指令。语气事件写在正文里：英文用括号，如 (laugh)、(sigh)、(clears throat)；中文用方括号，如 [笑]、[叹气]、[清嗓子]。
公司还公开过语音设计、语音指挥和延迟评测集。Artificial Analysis 的 Provider Voices 赛道上，开源权重组里它一度排到前列，大约 1215 Elo，高于 Fish Audio S2 Pro 一带。总榜仍有闭源系统压在前面。官方还写过预热后的首包音频延迟，那是实验室卡上的快路径，笔记本上的数字会差一截。
| 你想做的事 | 需要准备什么 | 别踩的线 |
|---|---|---|
| 克隆一条声线 | 干净录音加对齐文稿 | 未授权去仿真人、公众人物 |
| 从零捏声 | 一段角色描述 | 描述越空，声线越飘 |
| 改情绪和语速 | 同一条声音加指令 | 指令语言最好和正文一致 |
| 加笑声叹气 | 按中英格式写进稿子 | 事件堆太多会像音效轨 |
| 上线收费产品 | 走官方 API 或另签商用授权 | 自托管输出默认不能商用 |
实时交互和内容生产不是同一条部署
模型冲着语音助手、边说边出声去的，WebSocket 可以跨轮次保持连接。做视频配音、有声书，更在乎稳定和授权，不一定要上最低延迟那条快路径。社区已有 ComfyUI 节点，方便把克隆、设计和指挥接进现有出图出视频工作流，许可证并不因此变松。
开源降低的是把玩和复现的门槛。声线好不好听，听一段就知道；能不能拿去赚钱，看的是权重协议和录音权利。先确认样本来自本人同意，再决定是本地研究，还是付托管接口的钱。
