Leokani-tts 4.5M
крошечный TTS для CPU и микроконтроллеров
1 мин чтенияобновлено
Leokani-tts 4.5M от Milliwatt Labs — уменьшенная версия Leokani-tts 7M: тот же женский американский голос Dala в 4,3 млн параметров. Модель обучена на синтетической речи Kokoro-82M и рассчитана на медленные CPU и микроконтроллеры.
Ключевые особенности
- 4,3 млн параметров; файлы safetensors на 17 МБ (fp32) или 8,6 МБ (fp16).
- Есть ONNX-варианты: fp32, fp16 и int8 размером 5,1 МБ.
- 24 кГц моно; один голос, только английский.
- Для фонем используется espeak-ng или собственный Leokani G2P с флагом
--g2p leokani. - Заявлена работа на ESP32-P4 и ESP32-S3, а также на одном ядре Arm.
Пример
hf download milliwattlabs/leokani-tts-4.5M --local-dir leokani-tts-4.5M
cd leokani-tts-4.5M
pip install -r requirements.txt
python leokani.py "Hello there. How was your day?" -o hello.wav
python leokani.py "A little slower, please." --speed 0.85 -o slow.wav
python leokani.py --fp16 "Same voice, half-size weights." -o fp16.wav
Подробнее
На одном ядре Arm Cortex-A725 — 38× реального времени, первый звук за 128 мс; на ESP32-P4 — 1,06×, на ESP32-S3 — 0,56×.На GPU DGX Spark — до 4 257× при пакетной генерации.
Ограничения: один голос, английский, нейтральная подача; необычные имена могут читаться неверно.
Лицензия CC BY-NC 4.0 — только некоммерческое использование; в аудио встроен неслышимый водяной знак.










Комментарии