nano-edge-tts

nano-edge-tts 是社区作者为 Kokoro-82M 做的替换解码器:发音、节奏、音高和 28 个音色都沿用 Kokoro,只把 5330 万参数的波形解码器换成 175 万参数的「脉冲串 + 白噪声」谐波加噪声合成器,在音频采样率上不再跑神经网络。作者在 Apple M4 单线程 CPU 上测得,解码器提速约 33 倍、整条流程约 11 倍,峰值内存从 1.4–1.7 GB 降到 0.75 GB,Whisper 词错率 4.69%(Kokoro 为 4.63%)。load() 直接返回换好解码器的 Kokoro 模型,凡是能用 Kokoro 的地方都能换上。

nano-edge-tts 是社区作者为 Kokoro-82M 做的替换解码器:发音、节奏、音高和 28 个音色都沿用 Kokoro,只把 5330 万参数的波形解码器换成 175 万参数的「脉冲串 + 白噪声」谐波加噪声合成器,在音频采样率上不再跑神经网络。作者在 Apple M4 单线程 CPU 上测得,解码器提速约 33 倍、整条流程约 11 倍,峰值内存从 1.4–1.7 GB 降到 0.75 GB,Whisper 词错率 4.69%(Kokoro 为 4.63%)。load() 直接返回换好解码器的 Kokoro 模型,凡是能用 Kokoro 的地方都能换上。

为什么重要 文字端和全部音色不变,只换掉最耗时的波形解码器,现有 Kokoro 代码几乎不用改,适合嵌进边缘设备。

抱脸点赞 12 · 抱脸上升分 12 · 抱脸下载 82

许可证:可商用 · ComfyUI:暂无 · 显存:≈1 GB 估算

理由

  • Apache-2.0,与 Kokoro-82M 相同;附论文、240 句评测原始数据和 6 组同句对比音频
  • 整个解码器只有一个 Python 文件,只依赖 PyTorch

用法

  • pip install kokoro==0.9.4 safetensors soundfile,hf download drmhse/nano-edge-tts --local-dir nano-edge-tts 后在该目录里 from nano_edge_tts import load,用 KPipeline(lang_code='a', model=load()) 照常生成,按 24000 采样率保存

风险

  • 只在 Kokoro 的 28 个美式、英式英语音色上训练和评测,其他语言能跑但没测过;效果最多和 Kokoro 持平,不支持中文
  • 部分浊音有轻微机器音;盲听只有作者一人,速度是在笔记本 CPU 上测的,没在手机上测

打开

抱脸 text-to-speech 上升榜

浏览最新 AI 动态