Inflect-Nano-v2 把完整英文 TTS 压到 396 万参数
_akhaliq · x · 2026-07-28
- Inflect-Nano-v2 是一个完整的英文 TTS（文本转语音） 模型，参数量只有 3.96M。
- 它主打超轻量本地部署，支持标点感知的长文本语音、确定性输出，以及 CPU/CUDA 推理。
- 模型卡还提供了公开的适配工具链：准备数据、检查训练/验证集划分、适配固定音色或语言、继续训练、评估 checkpoint，并导出 PyTorch 或 ONNX 包。
- 作者表示这是独立自筹完成的项目，如果获得足够关注，未来会继续做更广泛的 v3。
所属事件:Inflect-Nano-v2 仅 396 万参数支持微调(2 条相关)→
「多模态」频道最新
- WorldCrafter 发布:可走进名画并记住场景的视频世界模型 — yshan2u · 2026-09-23
- Qwen-Image-2.1 实测:提示词遵循度惊人,附完整工作流 — kosovack · 2026-09-23
- AI 艺术只是「精致复刻」？圈内热议为何没诞生新美学 — PAstynome · 2026-09-23
- WanAnimate 2.2 精确重绘难题:mask 扩张毁脸,作者求解 — Reasonable-Aide1259 · 2026-09-23
- Unsloth Desktop 热修复：Qwen-Image-2.1 支持图像编辑与量化修复 — danielhanchen · 2026-09-23
- Krea2 用户吐槽：想让 AI 生成「真实长相」的女性，难于登天 — Jaded_Caterpillar873 · 2026-09-23