Ninada 开源：21.7MB 浏览器内 TTS，覆盖梵语与 10 种印度语言
init0 · reddit · 2026-11-05
开发者开源 Ninada：48 个 24 kHz 的浏览器端 TTS 专用模型（代码 MIT，ONNX 权重 CC-BY-4.0），覆盖古典梵语、英语和 10 种印度语言男女声，纯本地运行、免注册，手机 WASM 首音 538ms。
真实手机上的两个反直觉发现（Pixel 10 Pro XL 实测）：
- 移动端 WebGPU 反而输给 WASM：Dawn 着色器编译让冷启动卡 6-14 秒，GPU 回读使合成慢于实时（1.48x RTF）
- 2-3 个 WASM 线程比单线程更慢：big.LITTLE 异构核调度卡住 ONNX Runtime 自旋屏障（2 线程 1.76x RTF vs 单线程 1.19x），4 线程才恢复
关键技术：
- 48 个原文字符专用模型，W8A32 编码器/flow + FP16 声码器混合量化，量化损失 0.00 dB MCD
- 按设备路由的双层声码器：桌面用 27.9MB HiFi-GAN（WebGPU 89ms 出声），手机自动切 21.7MB 蒸馏版 iSTFTNet，声码器 MAC 减少 2.64 倍
- <15ms 的浏览器内 ONNX protobuf 切分器实现流式推理，浏览器内存降 72%（584MB→162MB）
- 留出集 MCD 3.09-3.22 dB（N=480，bootstrap 95% CI），支持离线 CacheStorage 持久化
在线体验、GitHub 与 Hugging Face 权重均已放出。
所属事件:开源 Ninada：浏览器端梵语等 12 语种 48 个 TTS 模型(2 条相关)→
「多模态」频道最新
- Midjourney 风格码组合实测：毛巾质感拼贴出超现实人脸 — sergeantsref · 2026-11-06
- 开发者发布游戏用像素画模型，支持精确尺寸与参考图风格一致 — HugoDuprez · 2026-11-06
- 粉丝用 AI 生成泰拉瑞亚短片《TERRA》,开场镜头质感惊人 — sadelcri · 2026-11-06
- MOSS Base 图像模型实测:荒诞场景 prompt 一次成型 — cgs019283 · 2026-11-06
- AI生成C罗电影感大片走红：悬崖、更衣室与GOAT王座 — egeberkina · 2026-11-06
- 一张 AI 生成的「书中世界」：绿色百科宇宙全景惊艳转发圈 — JosephJacks_ · 2026-11-06