4.5M 参数开源 TTS tiny-voca:18 MB,CPU 上 70 倍速实时运行
nato_nob · reddit · 2026-11-15
开发者发布全开源的超小英文 TTS 模型 tiny-voca,代码、权重、训练配方与数据集全部公开。
核心指标
- 4,537,291 参数，整模仅 18 MB(含波形部分)
- 男女两个音色，24 kHz
- 4 个 CPU 线程上约 70 倍实时速度
- 支持 PyTorch、ONNX 与浏览器运行(纯本地，无服务器请求)
- 单张 RTX 4090 训练 7.7 小时即成
差异化设计
- 自定义 phonemizer(dizione)
- 不用神经 vocoder,声音由小型 source-filter 合成器生成，因此极快
已知短板
- 仅英文、仅两个音色，无声音克隆
- 外国名字和奇怪拼写常读错
- 音色偏合成感；训练音频本身是用 Qwen3-TTS 生成的合成数据，上限受制于此
作者征集数字、日期、人名等难读文本的反馈。
「多模态」频道最新
- Omni 视频生成 Space 登上 Hugging Face 热门榜 — CumaSystem · 2026-11-15
- 把 AI 生成翻车写成宋飞正传剧本，作者还自建 ComfyUI 定制界面 — AxonkaiLab · 2026-11-15
- 5000 字 Claude prompt 同时驾驭 9 个参考角色，产出斯巴鲁广告 — Nimblecloud13 · 2026-11-15
- 芝加哥大学研究:艺术家可工程化视觉记忆度,计算模型判得比人准 — plopesresearch · 2026-11-15
- 创作者实测 MiniMax H3:基础 R2V 版音色克隆优于 bf 变体 — Foreforks · 2026-11-15
- Sora 生成酒店走廊打斗短片,动作连贯引热议 — alecubudulecu · 2026-11-15