31.7MB 的 Underdog Woof TTS：CPU 实时 13.8 倍速、词错率仅 1.42%
victormustar · x · 2026-11-07
Underdog Woof 是一个超轻量英文 TTS 模型，完整模型仅 40.6 MB（双音色版），比 41.5 GB 的 Fish Audio Drama 3 小约 1022 倍，词错率反而低 25%。
- 精度：在 Gradium TTS Hard Cases（英文 500 句）上词错率 1.42%（Mira 音色），对比 Fish Audio Drama 3 的 1.89%
- 速度：单核 CPU（Apple M5 Max）上 13.8 倍实时速度，无需 GPU、服务器或 API key，仅靠 numpy 运行，峰值内存 402 MB
- 细节处理：内置归一化器，能按人类习惯朗读电话号码、日期、价格和代码
- 提供 Juno 与 Mira 两个音色，另有 31.7 MB 单音色版可在浏览器直接运行；许可证为非商业用途
「Infra」频道最新
- 研究测算:美国数据中心耗水仅约为高尔夫球场灌溉的4% — kimmonismus · 2026-11-07
- 数据中心耗水被夸大：2024 年用水量仅美国高尔夫球场灌溉的 4% — kimmonismus · 2026-11-07
- 传字节跳动拟大幅扩建巴西 AI 数据中心 — Polymarket · 2026-11-07
- 博主号召周末跑一个本地开源模型:单个文件 5-20GB,20 分钟装好 — alex_verem · 2026-11-07
- 一次请求两个瓶颈：LLM 推理如何在算力与内存之间切换 — techNmak · 2026-11-07
- 四个小到能跑在 CPU 上的 TTS 模型，最小仅 1.4M 参数 — vanstriendaniel · 2026-11-07