Chroma 1.0 – FlashLabs开源的实时端到端语音对话模型

Chroma 1.0是什么

Chroma 1.0 是FlashLabs首个开源的实时端到端语音对话模型，兼具低延迟交互、高保真个性化语音克隆和强对话能力。模型通过紧密耦合语音理解与生成，采用1:2文本-音频token调度策略，实现亚秒级延迟输出。仅需几秒参考音频，能高度还原说话人的音色特征，speaker相似度比人类基线高出10.96%。模型仅4B参数，在推理和口语对话任务中表现优异，兼顾效率与性能。

Chroma 1.0的主要功能

• 实时语音交互：支持低延迟的语音对话，端到端延迟低于1秒，适合实时交互场景。