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
- 开源 FableCut 用远程 MCP 让 AI Agent 直接剪辑浏览器时间线 — FastPresence9799 · 2026-10-27
- Wan2.2 图生视频 Space 冲上 Hugging Face 热门榜 — JCisHERE · 2026-10-27
- PlayCanvas 开源 splat-transform 工具 NPM 周下载破 3.5 万 — willeastcott · 2026-10-27
- Ludovic Creator 用 Seedance 2.5 打造 Snorricam 运镜系列短片 — LudovicCreator · 2026-10-27
- Gradium 发布免费朗读工具：仅 4000 万参数的多语言语音模型 Phonon — mattturck · 2026-10-27
- 无限递归漩涡提示词走红：让图像不断向内螺旋缩小 — azed_ai · 2026-10-27