开源本地 TTS 模型 Inflect v3 发布:最小版仅 15.7 万参数,Apache 2.0
pmttyji · reddit · 2026-11-17
owensong 发布 Inflect v3,一组可在本地生成英文语音的紧凑 TTS 模型,Apache 2.0 开源,提供三个尺寸:Mini(34.31M,功能最全)、Micro(11.79M)与 Atom(157.19K,基于信号处理而非神经声码器)。全系支持 6 种预设音色、24kHz 输出;Mini 还支持参考音色调音、8 种事件标签和可选 48kHz 增强。
自测基准:Mini 在 1,688 条 Open TTS 评测文本上平均 WER 0.739%,UTMOSv2 3.917;RTX 5090 上 GPU 吞吐约 162 倍实时,CPU 1.81 倍实时。作者明确声明这些不是官方榜单成绩或独立评测。GitHub 与 Hugging Face Space 均已上线。
「多模态」频道最新
- Seedance 2.5 实测:好莱坞级电影感动作镜头 — SimplyAnnisa · 2026-11-17
- RelayVSR 开源 4 倍视频超分实测:144p 片段 4070 上 2 分钟跑完 — Ant_6431 · 2026-11-17
- 用户实测 Suno 生成噪音鼓点+无调性钢琴的数学摇滚歌曲 — AndyMasley · 2026-11-17
- 用 Seedance2.5 生成《罗摩衍那》漫画:神鸟 Jatayu 最后一战 — CurieuxExplorer · 2026-11-17
- 创作者用 Mangaka 工具把史诗《罗摩衍那》改成漫画第一章 — CurieuxExplorer · 2026-11-17
- Fable 5.2 生成单个 69KB HTML 文件,可飞行的阿凡达式世界 — Kyrannio · 2026-11-17