Inflect v2 发布两款本地 TTS，最小只有 396 万参数
Anyphone8 · reddit · 2026-07-25
一位独立开发者发布了 Inflect v2：两款可本地运行的极小型 TTS 语音模型，而且把波形解码器也一起包含在模型里。
- Inflect-Nano-v2：396 万参数，FP32 体积 15.97 MB
- Inflect-Micro-v2：936 万参数，FP32 体积 37.53 MB
- 两者都能把文本直接变成 24 kHz 语音，可在 CPU/CUDA 上本地运行，不需要外部 vocoder 或托管 API。
作者称，这个 v2 版本不是简单拉长训练，而是针对 v1 的几个问题做了大改：时间对齐不稳、音色发金属感、韵律较弱、复杂文本泛化差、波形解码器太小等。帖子里给出的结果包括：
- Micro：4.395 UTMOS22、3.99% 语义 WER、CPU 上 6.28× 实时
- Nano：4.386 UTMOS22、4.21% 语义 WER、CPU 上 10.72× 实时
- 在一次社区盲测里，两款模型在测试语音中分别拿到第 2、第 3。
它们的限制也很明确：仅英文、固定男声、不支持变声克隆，遇到生僻名字、缩写、数字和同形异义词时仍然最容易出错。
项目还提供了 Hugging Face 试玩页、模型页和 GitHub 代码。作者表示，如果继续做 v3，可能会优先扩展语种、音色和易微调性。
「多模态」频道最新
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- ComfyUI 新节点发现器上线:按 star 增速过滤最新热门节点 — Luke2642 · 2026-09-11
- 用 MiniMax H3 MAX 对一只蚊子放大招,蚊子毫发无伤 — Hailuo_AI · 2026-09-11