开发者开源 Ninada:48 个 24kHz 端侧语音模型覆盖梵语等 12 种语言
init0 · reddit · 2026-11-06
开发者开源 Ninada(代码 MIT,48 个 ONNX 模型 CC-BY-4.0),纯浏览器端、零注册的 24 kHz TTS,覆盖古典梵语、英语及 10 种印度语言,男女声共 48 个 VITS 专用模型。
工程亮点:
- 设备自适应:桌面跑 27.9 MB HiFi-GAN(WebGPU 89ms),手机自动切 21.7 MB 蒸馏 iSTFTNet(轻 2.64 倍)
- 秒内流式:在浏览器内存中 <15ms 切分 VITS ONNX,浏览器内存降 72% 至 162MB,手机 538ms 出声、零断音
- 对比基准:Meta 的 16 kHz MMS 模型要 1.5GB,且手机 WebGPU 编译着色器卡 6-14 秒
- 质量:480 条测试音频 MCD 3.09–3.22 dB,首次加载后离线缓存,0 MB Klatt 兜底
提供 npm/pip 安装与在线试玩。
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
- ElevenCreative 上线 Gemini Omni Flash 1.2:支持 10 参考图与 4K 导出 — aziz4ai · 2026-11-06
- LanceDB CEO 登台 Reverie，现场演示 AI 生成的 Doom 风格游戏 — bigdata · 2026-11-06
- SphereEncoder2 单次前向生图,像素空间画质超扩散模型 — tomgoldsteincs · 2026-11-06
- Suno 透露 v6 模型有三种版本可选 — suno · 2026-11-06
- Krea 2 Turbo v2 Space 冲上 Hugging Face 趋势榜 — Intruzo · 2026-11-06
- 阿里 TaoMate-HD:渐进分辨率自回归模型生成高清流式音视频 — TaoLiveAIGC · 2026-11-06