4 个开源 TTS 的 CPU 评测
Practical-Koala2831 · reddit · 2026-07-16
作者用 Neo 跑了一套 CPU 基准测试，比较了 4 个开源 TTS 模型：Kokoro 82M、Supertonic 3、Inflect-Nano、Kyutai 的 Pocket TTS。 测试流程包括：自动写代码、设计测试方法、搭建 harness、跑 180 次计时生成，并用 UTMOS 打分、导出图表和 CSV。结果里有几个值得注意的点： - Pocket TTS 只用 5 秒参考音频就能在 CPU 上克隆声音，不需要 GPU 或微调。 - Kokoro 82M 主观听感最自然，大约能达到 1.5x 实时。 - Supertonic 3 的质量模式约 4x 实时。 - UTMOS 对 Inflect-Nano 给分不低，但作者主观听起来觉得偏“嘶哑、机器人感”，说明指标和实际听感并不总一致。