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
- LangChain 联手 Tavily 11月12日办纽约活动，演示生产级 Agent 实时检索 — LangChain · 2026-10-26
- 极客魔改电子墨水平板，让 Opus 帮忙画画还做动画 — Stefania_druga · 2026-10-26
- Godot 游戏极易被反编译,开发者建议 C# 编译原生 DLL 防护 — mflux · 2026-10-26
- Techhalla 公开 3D 参考工作流：2D 设计到 Kling 4.0 精细动画全流程 — techhalla · 2026-10-26
- Jason Furman 测算：无 AI 造 Econvitals 需 50 人三年烧 2000 万美元 — HarrySurden · 2026-10-26
- 骑车台上边骑边口述，4 小时全程用 Claude Code 干活 — jacob_posel · 2026-10-26