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。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →