337KB 就能开口说话:sanoTTS 把 TTS 塞进 3 美元芯片
alexcovo_eth · x · 2026-09-08
开源项目 sanoTTS(sano 在尼泊尔语中意为「小」)把神经 TTS 压到了极致:模型家族参数量仅 29.4 万到 230 万,最小模型权重只有 337KB。
关键特性:
- 可在约 $3 的 ESP32-S3 微控制器上实时运行,无需云端、无需 NPU,GPIO 接 LM386 功放即可驱动喇叭
- 浏览器内通过 WebAssembly 直接运行,文本不上传服务器
- 每个声音不到 4MB,零依赖,内置 espeak-ng 音素化器
- 提供 11 个声音、6 种语言(英语、尼泊尔语、印地语、越南语、印尼语、中文)
- 在 sub-15M 参数级别中 SCOREQ/UTMOS 评测领先
- 支持 Python、NPM、Arduino/PlatformIO
作者认为比起把模型越做越大,让 AI 跑进 337KB、让小玩具和 MCU 自己「开口说话」是更有意思的方向。GitHub 上已有约 400 star。
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- Anthropic S-1 曝租约义务 3214 亿美元,11 月 IPO 概率 90% — ivan_bezdomny · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27