做一段AI语音，未必先要一块显卡。

很多本地语音合成工具，第一关就是显存、驱动和复杂环境。Pocket TTS换了个方向：把模型做小，让普通CPU也能完成文字转语音。它目前大约有7400颗星，把本地语音能力从专用机器往常见电脑上挪了一步。

项目说明里，这个模型约1亿参数，支持流式出声，也提供Python接口和命令行。对做阅读辅助、产品语音提示、离线原型的人来说，价值很具体：不用把一段文字先交给在线配音服务，程序可以在自己的运行环境里生成音频；长文本也能连续处理，不必先切成一堆零散小文件。

小模型能跑在本地，不代表拿来就能用。它面向开发者，需要自己接入，离开箱即点的配音软件还有一段距离。当前README列出的语言是英语、法语、德语、葡萄牙语、意大利语和西班牙语，暂时没有中文。官方给出的低延迟和倍速数据，也来自特定电脑与测试条件，不能直接当成每台机器都能达到的承诺。

它还支持用声音样本做音色复现。这个能力好用，也最容易越线：只处理自己拥有权利的声音，或已经得到明确、合法授权的样本；生成内容应当清楚标识，不能拿来冒充真人、制造假录音。项目自己的禁止使用条款也把未经同意的声音冒用列进了红线。

核心合成可以在本机CPU上运行，但外围应用、声音素材来源和后续服务怎么处理数据，仍取决于整条工作流。本地运行只说明核心合成的位置，不能自动担保整条链路的隐私。

pocket-tts是kyutai-labs的开源项目，在GitHub上使用这个名字。
#马力的AI知识分享#
#马力的AI开源项目分享#