TontaubeV1 发布：2.9B 参数本地长文本 TTS 模型

EAVDR · reddit · 2026-08-28

Tontaube 团队发布了 TontaubeV1，一个 2.9B 参数的开放权重 TTS 模型，专注于表现力语音、长文本生成和低延迟本地推理。该模型主要支持英语和德语，支持零样本语音克隆。技术上采用四个自回归模型生成编解码器流，支持通过滚动上下文窗口进行流式无限长文本生成。在 RTX 5090 上，单文本 RTF 约为 0.08，批处理时可低至 0.02。当前版本需要至少 24GB 显存，未来计划发布量化版以支持更小设备。内部评测显示，在韵律方面其得分约为 ElevenLabs Flash v2.5 的 50.1%。