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
- LichtFeld Studio v0.5.4.3：社区贡献的 SteadySplats 等新功能上线 — janusch_patas · 2026-10-26
- 一次 prompt 直出 2-3 分钟旁白短片,作者实测 Antigravity 生成效果 — AI_Andrew · 2026-10-26
- 用户用 Gemini 全家桶做万帧动画短片：写、画、配音、配乐一条龙 — AI_Andrew · 2026-10-26
- FLUX.3 Klein 蒸馏到 4-8 步出图，CFG 直接烘进模型 — Fit-Structure-6489 · 2026-10-26
- ostris 预训练新 VAE「Primal VAE」:单通道潜空间实现等效 8 倍压缩 — ostrisai · 2026-10-26
- 社区为 Krea 2 Turbo 打造艺术风 checkpoint「Narrative Drift」 — MoonbearAIArt · 2026-10-26