@leeoxiang: 确实非常轻量的 TTS 实现，尝试用 2000 个小时数据复现了一下 Audio8的从头训练，在 H200上训了不到 10 个小时 SIM 指标就已经达到 0.72了。
摘要
一个轻量级的TTS实现，通过2000小时数据复现Audio8的训练，在H200上不到10小时训练就达到了0.72的SIM指标。
查看缓存全文
缓存时间: 2026/08/30 04:15
确实非常轻量的 TTS 实现，尝试用 2000 个小时数据复现了一下 Audio8的从头训练，在 H200上训了不到 10 个小时 SIM 指标就已经达到 0.72了。
Samuel Zeng (@SamuelZengML): Audio8 TTS Preview 0.1B — now on Hugging Face as ONNX INT8
~100M params · 11 languages · zero-shot voice cloning Runs on CPU only (~0.4 GB RAM) — no PyTorch, no CUDA 44.1 kHz · OpenAI-compatible API · Apache 2.0
Try it 👇 https://t.co/gotHh9GiBC
#TTS #VoiceCloning #ONNX
相似文章
@NFTCPS: 电诈园区又有新武器用了，语音克隆这块又被卷到新高度了。 LuxTTS，一个轻量级 TTS 模型，我看完只想说三个字：真离谱。 快：单卡 150 倍实时，连 CPU 都能跑得比真人说话还快 清：直接 48khz，大部分模型还卡在 24khz…
LuxTTS 是一个轻量级语音克隆 TTS 模型，支持 48kHz 高清输出，单 GPU 可达 150 倍实时速度，仅需 1GB 显存即可本地运行，性能媲美十倍大的模型。
[audio.cpp] 近期更新速览：Higgs Audio TTS 显存占用减少 48%（低于 6GB），HTDemucs 提速 2.2 倍，PocketTTS 在 CPU 上提速 2.2 倍，以及 WebUI 生成历史功能
audio.cpp 带来多项运行时性能优化：Higgs Audio TTS 显存占用减少 48%（低于 6GB），HTDemucs 提速 2.2 倍，PocketTTS 在 CPU 上提速 2.2 倍，同时 WebUI 新增实验性的生成历史功能，目前支持 110+ 音频模型家族。
@Honcia13: 开源TTS直接卷疯了！园区诈骗又有新武器？ 清华 OpenBMB 刚刚放出 VoxCPM2： 200亿参数 + 200万小时多语言数据训练，48kHz录音棚级音质！ 最狠的是——完全不用Tokenizer，直接在连续潜空间做扩散自回归，细…
清华大学 OpenBMB 发布了 VoxCPM2，这是一个拥有 200 亿参数的开源多语言 TTS 模型，支持无需 Tokenizer 的连续潜空间扩散自回归生成，具备 48kHz 录音棚级音质和强大的声音克隆与设计能力。
tencent/Hy-SimulMT-30B-A3B-FP8
腾讯混元发布 Hy-SimulMT-30B-A3B-FP8 实时同传模型，支持中英双向语音到语音翻译，具备实时语音克隆能力，在长音频评测中实现约3秒的最低延迟。
SteerTTS：一个用数字调控的 23M 参数英文 TTS 模型（音高、语速、响度等以 z-score 表示），可在 CPU 上实时运行 [P]
SteerTTS 是一个 23M 参数的可数值调控英文 TTS 模型，通过 z-score 控制语速、音高、响度等 12 项参数，可在 CPU 上实时运行，并附带 2825 个内置语音与实验性零样本克隆。