294k 参数 TTS 跑进 337KB，可在 3 美元单片机上合成语音

Affectionate_Hat_585 · reddit · 2026-09-04

开发者发布开源 TTS 模型家族 sanoTTS，主打极限小型化：

• 最小模型仅 294k 参数（int8 量化后 337KB），能在无 NPU、512KB SRAM 的 3 美元 MCU 上运行；ESP32 上 RTF 0.225，即 1 秒生成 4 秒音频
• 家族参数量 294k–2.2m，11 种音色、6 种语言；作者称比 kokoro 小 1000 倍、比 voxtral 小 9000 倍，是「最小的完整神经网络 TTS」，Whisper 词错率约 2%
• 1.51m 版本 SCOREQ 4.13、UTMOS 4.10，在 SCOREQ 上胜过参数量大 3 倍的 Inflect Nano 和 10 倍的 KittenTTS
• 提供 WebAssembly 网页 demo、npm 包和扩展新语言/音色的配方；代码与权重在 GitHub/HF 开源

原文链接 →

「多模态」频道最新

• 不写提示词批量产出上百条 AI 视频广告的完整工作流拆解 — tyler_agg · 2026-10-21
• H3 蒸馏 LoRA 打破纪录：SMD 之后 PTD 又上线 — linoy_tsaban · 2026-10-21
• Reddit 热传《The Supply Boat》：质感惊人的 AI 生成短片 — Kooky-Parfait-5495 · 2026-10-21
• 端到端 AI 换脸视频工作流全解：从素材检查到帧对齐装配 — Few-Profession421 · 2026-10-21
• SemBridge 语音模型：说话与唱歌同声同嗓 — multimodalart · 2026-10-21
• 一段提示词生成 30 秒 surreal 影片：人与机器人共造梦境 — umesh_ai · 2026-10-21

更多「多模态」频道 AI 资讯 →