Pocket TTS 一款轻量级文本转语音（TTS）应用，专为在CPU上高效运行而设计。
地址： github.com/kyutai-labs/pocket-tts
“如果你在找一个周末项目，何不试试在自己的GPU上从零训练一个文本转语音模型，然后在任何设备的CPU上运行它？

我们刚刚开源了完整的Pocket TTS训练栈：数据流水线、配方和评估。

它学得飞快：
约1.5万步：咿呀声开始变成单词
约5万步：它能朗读你输入的任何内容（词错率低于1%）
约20万步：声音不再听起来像合成的

在一张高性能消费级GPU上，这大约是一周的训练时间。在八块H100上：10到20小时。如果租用硬件，一次TTS训练运行花费不到200美元；如果只付电费，成本还要低一个数量级。

我们很期待看到大家尝试一些事情：
- 用你自己的语言训练它（几百小时的语音就能带来惊人的效果）。
- 给Pocket TTS添加新功能（情感标签？让它唱歌？）。
- 在我们的强项上打败我们：让它更快、更小。
”