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
- Googleflowmusic 的 Spaces 新增歌曲编辑和视频生成 — sachinmaya1980 · 2026-07-25
- FlickArtHQ 推出免费 3D Stage，AI 影视流程可在 Canvas 完成 — teortaxesTex · 2026-07-25
- Claude Opus 5 一次提示做出可游玩 13 房顶层公寓 — Silver-Chipmunk7744 · 2026-07-25
- Midjourney V8.2 成为默认模型，并放出对比样例 — LudovicCreator · 2026-07-25
- 有人想用 99 美元安卓机做出 100 页 ChatGPT 漫画 — Jussi_Mulari · 2026-07-25
- ComfyUI 里的 Gemma 4 节点把截图转成 Ideogram 4 提示词 — Physical-Mission-867 · 2026-07-25