4.89MB 权重跑在 5 美元 ESP32-S3 上：ItoTTS 让本地 LLM 开口说话
Significant-Price695 · reddit · 2026-10-05
Lokutor 团队发布 ItoTTS——面向 ESP32-S3 的流式 TTS 引擎，两个自然英文音色，24kHz 音频，每个音色权重仅 4.89MB，目标是给本地 LLM 配上一个约 5 美元芯片的语音出口。
自动自然度评测（UTMOS，8 句 held-out 句子）：StyleTTS 2 教师模型 4.49，Ito 4.46，sanoTTS amy 3.98，sanoTTS heart-nano 2.07——已接近教师模型，明显优于同类 ESP32 可用 TTS。作者强调这是小规模自动评测而非独立听测，文本转音素目前仍在主机端完成，实体板卡速度未测。
代码 GPLv3 开源，权重以 CC BY-NC-SA 4.0 发布（非商业免费，商业需单独协议），代码与权重均已放出，附在线 demo。
「Infra」频道最新
- 曝 Jane Street 以每兆瓦 2 亿美元包下 Cerebras 算力，成本仅 2600 万 — AccBalanced · 2026-10-05
- 预算 7000 英镑组 64GB 显存本地推理主机，求双卡方案建议 — Repulsive-Juice6676 · 2026-10-05
- Oxide 回应 CPU 紧缺论：我们已在大规模向客户出货 — Sethwinterroth · 2026-10-05
- 用家里四台设备组多智能体：编排者加 worker 的本地部署设想 — Jebbyk1 · 2026-10-05
- UBS 预测 OpenAI Jalapeno 出货 2027 年翻两番至 60-70 万台 — Beth_Kindig · 2026-10-05
- 可逆计算创业者的判断:芯片九成能量变热浪费,摩尔定律将走向负回报 — MikePFrank · 2026-10-05