Mithi v1 Edge
компактный TTS на 39 МБ для 11 языков
2 мин чтенияобновлено
Mithi v1 Edge от Oomni — компактная модель преобразования текста в речь (TTS), созданная для запуска на смартфонах, ноутбуках, Raspberry Pi и серверах без видеокарты. Она озвучивает текст на английском и 10 индийских языках 10 разными голосами, выдавая моно-аудио с частотой дискретизации 24 kHz. Модель имеет 47,6 млн параметров, сжата в форматы int8 и int4 и весит всего 39 МБ (46 МБ вместе с файлами токенизатора). В основе лежат открытые компоненты Maya2-native, Kokoro-82M и indic-bert под свободными лицензиями.
Ключевые особенности
- 11 языков: поддерживает английский, хинди, бенгальский, гуджарати, каннада, малаялам, маратхи, ория, панджаби, тамильский и телугу.
- 10 голосов: 5 мужских и 5 женских, причём каждый голос умеет говорить на всех 11 языках.
- Работа на CPU и edge-устройствах: весит 39 МБ, не требует обязательного GPU и поддерживает настройку числа потоков процессора.
- Авторазбивка текста: длинные тексты автоматически разбиваются и озвучиваются по предложениям.
- Лицензия Apache-2.0: разрешено свободное использование, модификация и коммерческое применение, в репозитории также есть ONNX-файлы для работы в браузере.
Что можно сделать
- Встроить локальную офлайн-озвучку на английском и индийских языках в мобильные приложения, голосовые помощники и устройства на Raspberry Pi.
- Развернуть лёгкий TTS-сервис или Telegram-бота на недорогом CPU-сервере без видеокарты.
- Запустить синтез речи прямо в браузере клиента, используя готовые файлы из папки
onnx/.
Пример
from run import Mithi
tts = Mithi(device="cpu")
audio = tts.synthesize("Your appointment is confirmed for Monday at 10:30 AM.", lang="en", voice="anirban")
tts.save(audio, "english.wav")
Подробнее
Параметры и размер: 47.6M параметров, 39 МБ весов (int8/int4 safetensors), выход 24 kHz mono WAV.Ограничения: интонации более плоские по сравнению с естественной речью и крупными моделями Mithi, длинный текст читается без учёта контекста соседних предложений.
Метрики: автоматические бенчмарки и оценка MOS (субъективная оценка качества речи) пока не опубликованы.










Комментарии