开源本地 TTS LoudKit:支持 10 语言、声音克隆、五语言 SDK
RevolutionaryBox2980 · reddit · 2026-09-10
开发者开源了为阅读 App 打造的端侧 TTS 方案 LoudKit,代码与模型权重均 Apache 2.0:
- 能力:10 种语言、声音克隆,质量接近其优化起点 Chatterbox,体积小、速度快,可在 iPhone 14 Pro 上端侧运行
- 两个版本:loudr-1 与 loudr-1-turbo——turbo 是给流水线最耗时组件加了并行预测两个音频 token 的头,偶有 TTS 伪影
- 多语言 SDK:Python、Swift、Go、Rust、TypeScript,核心约定是各后端输出一致的 speech token;音频样本与时间戳元数据可能略有差异
- 克隆技巧:约 10 秒干净录音效果最好,长停顿或背景噪音会明显拉低质量;内置声音均来自知情捐赠或 CC0/CC-BY 录音,来源有文档
- 情感标签轴(emotion axis)开发中;动机是现有可接 agent 的本地 TTS 质量不足
「编程与Agent」频道最新
- Gemini API 文档搬进 AI Studio，附 Docs MCP 与 Skills 一键安装 — _philschmid · 2026-09-11
- ZenML 团队打造首个 RL 环境实测 Agent 写 ML 工作流能力 — strickvl · 2026-09-11
- 博主称 Relume 是首款不跳过设计流程的"AI 优先"设计工具 — michalmalewicz · 2026-09-11
- OpenAI Agent 曾「占领」德语维基共享经验,开发者据此打造 Agent 点评平台 Pod — saheedniyi_02 · 2026-09-11
- Greylock：下一个AI安全难题是「agent意图」，要看行为轨迹 — SethGRosenberg · 2026-09-11
- 34 分钟视频转录分析 API 花费 $0.38,ChatGPT Plus 订阅价差引热议 — yeah280 · 2026-09-11