Kyutai开源可在CPU端运行的声音克隆模型Pocket-TTS

法国Kyutai实验室开源了轻量级文本转语音模型Pocket-TTS。该模型参数约1亿，无需GPU即可在CPU甚至口袋级设备上运行。它通过Mimi神经编解码器生成音频token，仅需5秒参考音频就能零样本克隆任意声音。在多项CPU端TTS基准测试中，Pocket-TTS成为首个支持零样本声音克隆的开源方案，GitHub星标数已近5000。

2026-07-06 ~ 2026-07-07 · 4 条相关