Leokani-tts 7M

Leokani-tts от Milliwatt Labs — английская text-to-speech модель всего на 7.0M параметров, которая работает на обычном CPU, Raspberry Pi и даже ESP32. Говорит одним женским американским голосом, обученным на синтетическом корпусе от Kokoro-82M. Выход — 24 kHz mono.

👀 Ключевые особенности

• 💪 7M параметров: 28 MB в fp32 или 14 MB в fp16, плюс ONNX-варианты вплоть до int4 на 4.9 MB
• 👀 Быстро даже на одном потоке: 90× реального времени на Mac и 25× на одном ядре Arm
• 🐾 Работает без GPU: Raspberry Pi CM4 (11.5×), Android-смартфон за $50 (20.6×), ESP32-P4 (1.1×)
• 🤫 Свой G2P: Leokani G2P совместим с espeak-ng и лежит в репозитории, так что лишних зависимостей нет
• 🥳 Готовые обвязки: браузер, Mac-приложение, Android (как системный TTS), Linux, Home Assistant, Arduino-библиотека
• 😌 В синтезированное аудио встроен неслышимый водяной знак

👉 Пример

hf download milliwattlabs/leokani-tts-7M --local-dir leokani-tts
cd leokani-tts
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_onnx.py --int4 "The smallest file." -o int4.wav

Подробнее

WER 0.07% и UTMOS 3.53 на 120 предложениях (Whisper large-v3).
На GPU DGX Spark — до 4,043× реального времени при пакетной обработке.
Ограничения: только английский и один голос, произношение зависит от espeak-ng, суммы вроде «$219» читаются буквально.
Лицензия CC BY-NC 4.0 — только некоммерческое использование.