发生了什么
Sumanth 发布 Supertonic(66M 参数)
为什么值得关注
可重点看其端侧部署、自然文本处理和多硬件吞吐数据，适合评估本地 TTS 的性能边界与开源复现价值。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
Supertonic 端侧多语 TTS
Sumanth 提出并展示了 Supertonic，这是一套完全在设备本地运行的多语言文本转语音系统，采用 ONNX Runtime，模型参数量为 66M。它支持 31 种语言，在消费级硬件上最高可达实时的 167 倍速度；在 M4 Pro CPU 上长文本处理速度为每秒 1263 个字符、实时因子 0.012，在 WebGPU 模式下达到每秒 2509 个字符，在 RTX 4090 上达到每秒 12,164 个字符。该系统可直接处理数字、日期、货币、缩写和复杂表达，无需预处理或音标标注；同时提供 Voice Builder，可将个人声音转为可部署的 TTS 模型，且项目为 100% 开源。
打开原始来源 ↗