@vvolhejn: 我们的开源TTS变得更加开源了
摘要
Kyutai Labs 已经开源了他们的 Pocket TTS 训练工具集，包括数据流水线、训练方案和评估，允许开发者在GPU上训练文本转语音模型并在CPU上运行。
查看缓存全文
缓存时间: 2026/08/26 03:34
我们开源的TTS项目现在变得更加开源了
kyutai (@kyutai_labs)： 如果你正在寻找一个周末项目，何不尝试用自己显卡的算力从零开始训练一个文本转语音模型，然后让其在任意设备的CPU上运行？
我们刚刚开源了整个Pocket TTS的训练工具链：包含数据处理流程、训练配方和评估体系。
它的表现相当不错。
相似文章
kyutai-labs/pocket-tts
Kyutai 发布了 Pocket TTS，这是一个轻量级的文本转语音模型，可高效在 CPU 上运行，拥有 1 亿参数、低延迟和语音克隆功能，支持多种语言。
@HarshalsinghCN: 我打造了一个开源的 Hinglish TTS，性能碾压市面所有模型。我没有任何研究背景。上周我 w…
一位开发者记录了构建开源 Hinglish 文本转语音系统的过程，该系统通过修复上游推理 bug 并增加轻量级预处理封装，实现了超越现有模型的效果，且在无需训练或 GPU 资源的情况下达到了高质量。
@kyutai_labs：我们发布了一篇技术博客，介绍如何通过 drifting（drifting——Deng 等人提出的一种最新的一步式生成目标）训练 PocketTTS，我们拥有 100M 参数的端上 TTS 模型……
kyutai_labs 发布了一篇技术博客，介绍如何训练 PocketTTS——一个拥有 100M 参数的端上文本转语音（TTS）模型。该模型采用 Deng 等人提出的 drifting 一步式生成目标，WER 低于 1%，同时具备高质量语音和声音克隆能力。据称这是首个以这种方式训练的语音模型，也是首个以这种方式训练的自回归模型。
Kyutai 的 Pocket TTS 能在 CPU 上运行，仅需 5 秒音频即可克隆声音，采用 MIT 许可证发布。在英文 TTS 上与 Kokoro、Supertonic 和 Inflect-Nano 进行了基准测试。
Kyutai 发布了 Pocket TTS，这是一个文本转语音模型，只需 5 秒音频即可克隆声音，可在 CPU 上运行，并以 MIT 许可证发布。该模型在英文 TTS 上与 Kokoro、Supertonic 和 Inflect-Nano 进行了基准测试。
TontaubeV1 - 本地长篇生成开放语音合成模型发布
TontaubeV1 是一个开放权重的语音合成模型，专为本地长篇生成发布，支持英语和德语，具备零样本语音克隆功能，并可在 GPU 上实现低延迟推理。