NERDDISCO 开源 14.8MB 端侧 TTS:kale-tts-1 三档权重
NERDDISCO 在 Hugging Face 发布了其首个文本转语音模型家族 kale-tts-1,包含 base、tiny、nano 三档开放权重,并公开训练数据集、训练脚本与完整配方,附在线 demo。这一发布延续了近期纯 CPU 即可运行的开源 TTS 扎堆出现的趋势。
已确认
- nano 版仅 7.5M 参数、纯 CPU 下载体积 14.8MB(WebGPU 下 30.6MB),内置 10 种声音
- 性能:纯 CPU 上 90ms 内起声;WebGPU 下最快达实时的 125 倍、25ms 开口;另一说法为 44 倍实时速度
- 架构由 0.9M 字典猜测器、3.8M 文本/时序规划器和 3.7M(第三组件,即生成器部分)构成
- 权重、训练脚本、数据集与完整配方全部开放,附在线 demo
- 下一步计划集成进 mlx-audio、llama.cpp 等项目
为什么重要
在动辄数 GB 的语音模型主流之外,kale-tts-1-nano 证明超小体积也能实现低延迟、高质量的端侧语音合成,且完全开源可复现,对浏览器端和边缘设备上的语音应用(如本地助手、实时交互)具有直接实用价值。
2026-11-20 ~ 2026-11-21 · 5 条相关
一手来源
- kale-tts-1-nano 发布:14.8MB 开源 TTS,WebGPU 快实时 125 倍 — NERDDISCO ·
- kale-tts-1 开源发布:base/tiny/nano 三档权重全开放 — NERDDISCO ·
- 14.8MB 的端侧 TTS:Kale nano 首声仅 90ms、44 倍实时 — NERDDISCO ·
- 【源头】kale-tts-1-nano 发布:14.8MB 开源 TTS,WebGPU 快实时 125 倍 — NERDDISCO · 2026-11-20
- 【源头】14.8MB 的端侧 TTS:Kale nano 首声仅 90ms、44 倍实时 — NERDDISCO · 2026-11-20
- 【源头】kale-tts-1 开源发布:base/tiny/nano 三档权重全开放 — NERDDISCO · 2026-11-20
- CPU 就能跑的开源 TTS 扎堆发布,kale-tts-1 开放权重 — Kyrannio · 2026-11-21
另有 1 条近重复转述:NERDDISCO