
开发者将40MB TTS模型手工移植到浏览器运行
来源标题:Show HN: A 40MB TTS model hand-ported to run in the browser (TS and WGSL)
一个40MB的TTS模型被手工移植为TypeScript和WGSL代码,可直接在浏览器中运行,无需服务器。该模型基于WebGPU和WASM推理,项目名为TTSLab,同时支持Kokoro 82M、SpeechT5、Piper等多款TTS及语音识别模型,并声称不收集数据。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
在浏览器中测试 TTS 和 STT 模型。无需服务器,不收集数据,由 WebGPU 驱动。
TTS 0 Kokoro 82M 高质量 TTS,支持 21 种语音。在浏览器推理场景下,质量与体积的平衡最佳。支持流式生成。 80 MB,82M 参数,21 种语音 WebGPU WASM 立即试用 TTS 0 Piper EN-US Lessac Medium 基于 VITS 架构的快速轻量 TTS。属于 Piper 项目,支持 904 种以上跨语言语音。 75 MB,50M 参数,1 种语音 WASM 立即试用 TTS 0 SpeechT5 微软的统一模态 SpeechT5 模型。轻量,仅靠 CPU 即可满足基础 TTS 需求。 60 MB,60M 参数,1 种语音 WebGPU WASM 立即试用 STT 0 Moonshine Tiny(韩语) 针对韩语微调的 Moonshine Tiny。专用单语模型,准确率高于多语言替代方案。 35 MB,27M 参数 WebGPU WASM 立即试用 语音助手 预览 与完全在你的浏览器中运行的 AI 助手对话。
TTSLab 让你借助 WebGPU 和 WASM 直接在浏览器中运行文本转语音模型。没有服务器端处理,没有 API key,无需排队等待。Kokoro 82M、SpeechT5 和 Piper 等模型能在你的设备上实时生成自然语音。
每个模型只需下载一次,随后缓存在本地,即可随时复用。无论你是评估 TTS 方案的开发者、对模型质量进行基准测试的研究人员,还是对比语音效果的产品团队,TTSLab 都提供了一个快速、标准化的环境。
云端 TTS 服务需要把你的文本发送到外部服务器。对于敏感内容——病历、法律文件、私人消息——这会带来隐私与合规风险。端侧推理彻底消除了这一问题:你的文本和音频永远不会离开浏览器。
WebGPU 加速推理还消除了网络往返带来的延迟,使语音助手、实时字幕等实时应用无需后端即可落地。
浏览我们的 TTS 和 STT 模型目录,或并排对比两个模型。
模型权重会下载到浏览器并缓存在本地,以便随时复用。
推理完全在你的浏览器中通过 WebGPU 或 WASM 运行,无需服务器。
你的文本和音频永远不会离开你的设备。零数据收集,零追踪。
TTSLab 采用 MIT 许可证,完全开源。欢迎贡献模型、报告问题,或基于该项目进行开发。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。