4.5M 参数 TTS 模型 tiny-voca:纯合成语音训练,CPU 推理快 70 倍
aigclink · x · 2026-11-16
开发者 n4ze3m 发布了从零训练的微型英文 TTS 模型 tiny-voca,完整模型(含波形生成器)仅 4.5M 参数,已开源(Apache-2.0),附 HF 权重与 GitHub 代码。
关键数据
- 训练数据全部来自 Qwen3-TTS 生成的合成语音:17.6 小时、16018 段英语音频,全程 GPU 成本仅 9.56 美元
- 推理速度达实时语音的 70 倍(4 线程 CPU 即可运行),24kHz 单声道输出,含 F2/M2 两个美式英语音色
- 未用常见神经声码器,而是 Source-Filter 合成架构:先预测音高、能量、浊音状态等特征,再通过声源信号与动态滤波器合成波形——这也是模型能压到 4.5M 的原因
- 自研音素转换器 dizione,可结合上下文处理数字、日期、金额的发音
目前仅支持英语,无声音克隆。提供了 pip 安装与推理命令,也可导出 ONNX 在浏览器/手机运行。
所属事件:tiny-voca:纯合成数据训练的超小开源 TTS 模型(4 条相关)→
「多模态」频道最新
- LTX 2.5 在 AMD 9070 XT 上频繁驱动超时,只输出灰色无声视频 — ZestycloseReading504 · 2026-11-22
- Stripe 驻场开发者用 GPT 6.2 Astra 用 JavaScript 画全班好友,效果惊艳 — gabrielchua · 2026-11-22
- Fable 5.2 搭配 WebGL 被称可「创造任何东西」 — hewarsaber · 2026-11-22
- Suno 加 SLOPCANNON 打造电影感 UFO 传说 MV《Don't Look Down》 — DarkroomSignal · 2026-11-22
- 摄影师用 AI 生成虚拟数字缪斯,打造逼真时尚杂志封面 — alexcovo_eth · 2026-11-22
- AI 玩法:把 Google Maps 任意地点变成电影感航拍图 — aziz4ai · 2026-11-22