FireRedTTS3 是 FireRedTeam 开源的统一语音生成与编辑系统，基于语义增强连续语音表示技术，提供零样本多语种语音克隆、指令式语音设计以及自由形式语音编辑三大核心能力，在多项公开评测中达到 SOTA 水平。

核心特性

• 多语种零样本克隆（24 语言 + 21 种中文方言）：Base 变体支持阿拉伯语、粤语、中文、英语、日语、韩语、泰语等 24 种语言，以及闽南语、上海话、四川话等 21 种中文方言，零样本克隆 WER/CER 平均 3.04%，说话人相似度平均 78.8%，在 Seed-TTS-eval 上位列最佳
• 指令式语音设计（Voice Design）：Instruct 变体支持通过自然语言描述（如"年轻女性的温柔嗓音，语速稍慢，带一点俏皮"）直接生成全新语音，无需任何参考音频，系统先输出语音属性规划再合成音频
• 自由形式语音编辑：同时支持语义编辑（插入/删除/替换语音内容）和声学编辑（语速/音高/音量调节），均通过指令驱动，无需定位编辑起止位置
• 统一 Instruct 架构：Base 与 Instruct 能力集成于同一模型，Instruct 变体在语音设计 APS 评分（85.8 中文/80.7 英文）和语音编辑准确率上均领先对比方案

适用场景

有声书与播客后期制作、多语言配音与本地化、数字人语音生成、语音内容编辑与修复、游戏角色语音设计

更多信息可参考：https://fireredteam.github.io/demos/firered_tts_3/