CPU端TTS模型UTMOS基准测试
gvij · reddit · 2026-07-06
作者在Intel Xeon(4核)CPU上对四款小型TTS模型做基准并用UTMOS打客观MOS分:Kokoro 82M、Supertonic 3、Inflect-Nano(4.6M参数)和Kyutai新发布的Pocket TTS(约100M参数)。结果Kokoro 82M音质最佳(UTMOS约4.44);Pocket TTS因流式LM架构在文本长度变化时RTF几乎持平(0.69-0.76),推理成本与输出长度线性相关,呈现独特的平坦扩展特性。
所属事件:Kyutai开源可在CPU端运行的声音克隆模型Pocket-TTS(4 条相关)→
「多模态」频道最新
- Synthesia 上线自定义 Avatar:文字提示即可生成虚拟主播 — synthesiaIO · 2026-09-11
- CapCut 桌面版上线 Seedance 2.5，单次生成 30 秒视频 — anthara_ai · 2026-09-11
- Marigold V2 发布：单步扩散 Transformer 刷新单目深度估计 SOTA — AntonObukhov1 · 2026-09-11
- 紫光下梯子上的舞者：一段疑似AI生成的惊艳视频demo — misovalko · 2026-09-11
- 支持阿拉伯语的AI视频生成模型盘点与口型同步实操方案 — aziz4ai · 2026-09-11
- 用 Hermes Agent 装 YuE2 复刻 Minimax 歌曲,16GB 显存跑通 — wzwowzw0002 · 2026-09-11