开源 #开源模型 2026-11-16 · 原文发布 11-14

tiny-voca 以 Apache 2.0 开放:4.5M 参数的英文 TTS 模型,在 4 个 CPU 线程上约 70 倍实时

一个个人开发者发布的极小语音合成模型,整个模型约 20 MB,可以放进浏览器或手机。这一条讲它的规模、训练数据和局限,适合想把朗读功能做到端侧的团队。

图片来源:Hugging Face 模型卡(n4ze3m)
一手来源 Hugging Face 模型卡(n4ze3m) · huggingface.co 读原文 ↗

// 要点

  • 包含声码器在内共 4,537,291 个参数,从零训练,未使用任何预训练权重,训练数据约 18 小时合成语音。
  • 提供 F2(女声)与 M2(男声)两种美式英语音色,输出 24 kHz 单声道;文本先由作者的 dizione 音素器转换为音素。
  • 提供 18.2 MB 的 PyTorch 权重和 21.4 MB 的 ONNX 导出(float32,opset 17),模型卡附 SHA256 校验值;推理脚本按句处理任意长度文本,支持语速与音高调节。

开发者视角只有英文、只有两种音色,又是个人项目,直接进中文产品不现实。但智能面试的英文练习模式如果只需要朗读题目,一个 20 MB 的端侧模型就能省掉一次服务端 TTS 调用;先听样例、按模型卡校验哈希,再和今天 DeepSeek TTS 的限时价算一笔账。

// 来龙去脉 · 来自 #开源模型 专题

看完整时间线 →
  1. 11-15 Thinking Machines 以 Apache 2.0 开放 Inkling 2 Small:594B 总参数、17B 激活,支持图文输入与 100 万 token 上下文
  2. 11-14 llama.cpp 与 ggml 发布 v1.0.0:今后公开 C API 的破坏性变更都升主版本号
  3. 11-14 NVIDIA 用两台 DGX Station 跑 753B 参数的 GLM-5.3:并发 16 时输出吞吐峰值 607.8 token/s

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →