Higgs Audio V2是李沐团队开源的3B语音大模型，基于千万小时AudioVerse数据，用统一音频分词器+DualFFN架构，实现24 kHz高保真、零样本多语多人对话、韵律自适应、3秒语音克隆并同步生成背景音乐，实时情感交互，多项基准超越GPT-4o-TTS。