4.5M 参数 TTS 模型 tiny-voca:21MB 权重,浏览器里本地跑
thisdudelikesAI · x · 2026-11-17
tiny-voca 是一个从零训练的 4.5M 参数英文文本转语音模型,含波形生成器共 21MB(ONNX float32),输出 24kHz 单声道,提供 F2/M2 两个美式英语音色,仅用 17.6 小时合成语音训练,代码与权重以 Apache-2.0 开源。官网演示页直接在浏览器内运行推理,「你输入的任何内容都不会离开设备」,实时显示生成音频、生成耗时、语速与音素转换结果。
作者也坦诚列出局限:仅支持英文、固定两个音色、不支持声音克隆、外国人名和奇怪拼写常读错、尚不支持流式生成。定位不是取代专业配音工具,而是一个「真正能免费本地跑的超小英文 TTS 模型」。提供浏览器试用、GitHub 仓库和 Hugging Face 权重下载。
所属事件:18MB 迷你 TTS 模型 tiny-voca 走红,浏览器本地免 GPU 运行(4 条相关)→
「多模态」频道最新
- HolyMolly:一句话把任何想法或图片变成可玩 3D 世界 — HeyNayeem · 2026-11-17
- RAPO:用反思锚点抑制长链多模态推理中的视觉信息衰减 — Xuan Gong · 2026-11-17
- 单镜头未来摩托追逐视频 Prompt 分享,灾难之城背景 — umesh_ai · 2026-11-17
- 实测 TapNow CreativeOS2.0:连对话框都藏起来,纯靠口嗨当导演 — 葬AI · 2026-11-17
- 同一角色设计出 2D 插画与 3D 渲染双版本,AI 风格迁移效果惊艳 — azed_ai · 2026-11-17
- RTX 4090 实测再扩容:FLUX.2 4B 首个 GenEval 成绩出炉 — hamshrew · 2026-11-17