n4ze3m · 已发布,本站供应商暂无
Tiny Voca(2026):4.5M 参数英文语音合成模型是什么、声音、许可、速度和运行方法
Tiny voca 是 Muhammed Nazeem(n4ze3m)做的小型开源英文语音合成模型,有 4,537,291 个参数和 F2、M2 两个美式英语声音,输出 24 kHz 音频,按作者自己的数字在四个 CPU 线程上约为实时的 70 倍,权重以 Apache-2.0 许可发布在 Hugging Face。
现在就用
聊天
这个聊天默认使用 Qwen3.8 Flash,不是 tiny voca。
- 厂商
- n4ze3m
- 类型
- 文字
- 发布
- 2026-11-14
- OpenRouter id
- 无
已核对
tiny voca:事实与来源
- Hugging Face 对 n4ze3m/tiny-voca 仓库的记录显示,它创建于 2026 年 11 月 14 日(UTC),最近一次修改在 2026 年 11 月 18 日;GitHub 仓库 n4ze3m/tiny-voca 也在同一天创建。模型卡没有单独写发布日期,引用块只标了 2026 年,所以我们写“仓库创建”,不写“发布”。来源: huggingface.co · 核对于 2026-11-19
- 模型卡称 tiny-voca 是一个小型英文语音合成(TTS)模型,有两个声音:F2(女声)和 M2(男声),都是美式英语。整个模型(含波形生成器)有 4,537,291 个参数(“4.5M”),从零开始在约 18 小时的合成语音上训练,输出 24 kHz 单声道音频。输入是文字,由作者的 dizione 工具在模型之外转成音素。来源: huggingface.co · 核对于 2026-11-19
- 按作者自己的数字(本站未测试),tiny-voca 在四个 CPU 线程上运行速度约为实时的 70 倍。权重有 18.2 MB 的 PyTorch 文件(float32)和 21.4 MB 的 ONNX 导出(float32,opset 17),另有 5.4 MB 的音素化数据;同一个 ONNX 文件可在 onnxruntime-web(WebAssembly)里运行,模型卡说其音频与 PyTorch 模型相差在峰值幅度的 0.6% 以内(随机噪声信号除外)。来源: huggingface.co · 核对于 2026-11-19
- 许可:模型卡说权重和代码以 Apache-2.0 发布。phonemizer 文件夹里的文件源自 CMU 发音词典等来源,保留各自的许可(仓库里的 LICENSE.cmudict 和 LICENSE.homograph-data)。GitHub README 补充说训练数据集采用 CC BY 4.0。模型卡没有写额外的商用限制。来源: huggingface.co · 核对于 2026-11-19
- 模型卡自己列出的局限:只支持英语,两个固定声音,不能克隆声音;声音清晰但可能略显合成感;F2 听起来比设计的成年声音更年轻;同一段文字永远读得一样(没有韵律采样);默认速度下语速比训练录音略快;外来人名和不常见拼写常被读错;不支持流式输出;训练数据本身是合成的,所以模型不可能比生成这些数据的模型更自然。来源: huggingface.co · 核对于 2026-11-19
- Hugging Face 上的仓库文件列表有 PyTorch 权重(tiny-voca.pt)、ONNX 文件、config.json、音素化数据、八个示例 WAV,以及一个有五个 GGUF 文件的 gguf 文件夹(f16、q4_0、q8_0 和另外两个);模型卡没有说明这些 GGUF 文件。GitHub README 列出了其他人在 tiny-voca 基础上做的项目,例如移植到其他语言、通过 llama.cpp 用 GGUF 文件运行,我们没有核对这些项目。来源: huggingface.co · 核对于 2026-11-19
- 模型卡写明作者是 Muhammed Nazeem(Hugging Face 和 GitHub 名为 n4ze3m),是个人而不是公司。卡上说整个项目花了 9.56 美元租用一块 RTX 4090 的 GPU 时间,包括数据集、失败的尝试和最终训练;GitHub README 称代码、权重、训练方法和数据集都是开放的。来源: huggingface.co · 核对于 2026-11-19
- tiny voca 不在 OpenRouter 的模型列表里(2026 年 11 月 19 日核对),所以本站无法运行它;本站的聊天是文字进、文字出,不生成语音或音频。想用小模型做文字聊天,可以改用 Qwen3.8 Flash 或 Inkling 2 Small。来源: openrouter.ai · 核对于 2026-11-19 · 二手
本站表格
tiny voca 规格:参数、声音、音频、许可和训练
- 模型卡描述的结构:文字先变成带重音值的音素;一个 4 块的 Transformer 编码器读取音素,时长预测器给每个音素定下以帧计的长度,两个帧级 Transformer(2 块和 5 块)先预测音高、浊音和能量,再预测波形生成器的参数。所有块都用 192 通道、4 个头和旋转位置编码。波形由一个 25,862 参数的源-滤波合成器产生,而不是神经声码器。来源: huggingface.co · 核对于 2026-11-19
- 按模型卡和 GitHub 模型说明:训练数据为两个声音的 16,018 条音频(17.6 小时),在一块 RTX 4090 上训练 104,737 步,共 7.7 小时。音频是合成的:两个声音由 Qwen3-TTS VoiceDesign 根据文字描述设计,录音由 Qwen3-TTS 1.7B Base 生成,所以不涉及任何真人录音。音素时长来自 facebook/wav2vec2-lv-60-espeak-cv-ft 的强制对齐,只用来给训练数据打标签。数据集页面写的是两批共 17,371 条、19.1 小时。来源: github.com · 核对于 2026-11-19
规格表
tiny voca 一览,取自其模型卡
搜“tiny voca”的人大多关心体积:语音模型能小到什么程度还能用。模型卡的答案是 4.5M 参数、18 MB 权重,用源-滤波波形生成器取代神经声码器。它是在 CPU 或浏览器里把文字读出来的工具,不是聊天模型,所以不能替代 Qwen3.8 Flash 这样的模型。另一个能在你自己设备上运行的小模型(文字方向)是 Aion 1.0。带声音克隆的波斯语声音模型见 Cilla Mini 页面。
| 项目 | 原文所写 |
|---|---|
| 参数量 | 4,537,291(4.5M),含波形生成器 |
| 声音 | F2(女声)和 M2(男声),美式英语;不能克隆声音 |
| 输出音频 | 24 kHz 单声道 |
| 输入 | 文字,由 dizione 转成音素(仅英语) |
| 权重文件 | PyTorch 18.2 MB;ONNX 21.4 MB(float32,opset 17);音素化数据 5.4 MB |
| 速度(作者的数字) | 四个 CPU 线程上约为实时的 70 倍 |
| 训练数据 | 16,018 条合成音频,17.6 小时,两个声音 |
| 训练过程 | 104,737 步,一块 RTX 4090,7.7 小时;整个项目共 9.56 美元 GPU 时间 |
| 许可 | 权重和代码为 Apache-2.0;音素化数据保留各自许可;数据集为 CC BY 4.0 |
本站表格
tiny voca 的质量:作者给出的词错误率和 Open TTS Leaderboard 的行
- 作者自己的检查(本站未复现):用 Whisper small.en 转写合成语音得到的词错误率,在 8 条验证音频上是 0.6%,在 8 条测试音频上是 0.9%,与这些句子的录音相同;16 条新句子上是 0.0%。模型卡说这些集合很小,分数只是自检而不是基准测试,也没有做过正式的听感测试。来源: huggingface.co · 核对于 2026-11-19
- 模型卡贴出了 2026 年 11 月 16 日(v1.6.3)的 Open TTS Leaderboard 快照:英语、不带声音克隆、对 Seed-TTS、CV3-Eval 和 MiniMax 取等权平均,共 50 个上榜模型。tiny-voca(M2)按平均词错误率排第 8(0.733 %,UTMOS22 为 4.34),tiny-voca(F2)排第 13(0.773 %,UTMOS22 为 4.43);每个声音单独一行,排行榜注明 tiny-voca 仅用 CPU。我们照抄的是模型卡上的数字,没有打开排行榜本身。来源: huggingface.co · 核对于 2026-11-19
排行榜节选
tiny voca 与 Open TTS Leaderboard 上排名相近的模型(2026 年 11 月 16 日快照)
这么小的模型很容易被忽视,所以模型卡贴出了它在公开排行榜上的位置:男声 M2 在 50 个模型里按平均词错误率排第 8,女声 F2 排第 13。下表列出卡上给出的相邻模型。词错误率指自动识别器听这段语音时认错的词的比例;UTMOS22 是自动算出的自然度分数。两者都不能替代亲耳听。模型卡自己也说没有做过正式听感测试。如果你想要的是聊天模型,可以在本站试 Inkling 2 Small;tiny voca 只负责把文字读出来。
| 模型 | 排名 | 参数量 | 平均 WER %(越低越好) | UTMOS22(越高越好) |
|---|---|---|---|---|
| phonon-31m-en | 6 | 41 M | 0.730 | 4.45 |
| Inflect Micro v3 | 7 | 12 M | 0.730 | 4.37 |
| tiny-voca (M2) | 8 | 4.5 M | 0.733 | 4.34 |
| phonon-40m-en | 9 | 51 M | 0.737 | 4.45 |
| supertonic-3 | 10 | 100 M | 0.743 | 4.45 |
| PiVo-1.4M | 12 | 1.4 M | 0.767 | 4.33 |
| tiny-voca (F2) | 13 | 4.5 M | 0.773 | 4.43 |
| LFM3-Audio-2B | 14 | 2.05 B | 0.797 | 4.45 |
本站表格
怎么运行 tiny voca:PyTorch、ONNX、浏览器和纯 JavaScript
- 模型卡写的单次调用限制:ONNX 图每次只读一句话,最多 512 个 token、32 秒,所以更长的文字要拆成句子(Python 命令会自己拆);每句话要以句号之类的标点结尾,否则最后一个词会被截断;音频偶尔会略高于 1.0(约二十句里有一句),保存 16 位采样前要先缩小。来源: huggingface.co · 核对于 2026-11-19
运行方式
作者写明的 tiny voca 运行方式,以及各自需要什么
tiny voca 就是为在你自己的机器上运行而做的,不需要注册任何东西。最短的路径是 PyTorch 命令:从 GitHub 安装 dizione 和 tiny-voca 包,用 hf 工具下载权重,把 DIZIONE_DATA 变量指向 phonemizer 文件夹,再用声音和文字调用推理模块。ONNX 方式需要 onnxruntime、soundfile 和 NumPy,用一个普通的计算图得到同样的音频。下面每一行写了你需要什么。本站不运行它,因为 Qwen3.8 Flash 和这里其他模型的回答是文字,不是音频。
| 方式 | 做法 | 需要什么 |
|---|---|---|
| PyTorch 命令行 | python -m tiny_voca.infer,带 --checkpoint、--voice(F2 或 M2)、--text 和 --output;另有语速、音高偏移和音高范围选项 | 从 GitHub 用 pip 安装 dizione 和 tiny-voca,从 Hugging Face 下载权重,设置 DIZIONE_DATA |
| ONNX Runtime | onnx/model.onnx 接收 tokens、stress、voice(0 = F2,1 = M2)、speed、pitch_shift 和 pitch_range,返回 24 kHz 音频 | onnxruntime、soundfile、NumPy,以及用来生成音素 id 的 dizione;每次调用一句话 |
| 浏览器 | 作者在 tiny-voca.n4ze3m.com 的演示在浏览器里运行模型,每句话一生成就开始播放 | 现代浏览器;onnxruntime-web(WebAssembly)运行同一个 ONNX 文件 |
| 纯 JavaScript | js 文件夹里的实验:模型和音素化器写成纯脚本,只读一个 8 MB 的文件,可在浏览器、Node 和 Bun 里运行 | Node 或 Bun,或浏览器;不需要任何库 |
上线时通知我
登录后点按钮:只保存你的账号和这个模型,不存其他资料。目前还不会发送邮件。
最接近的可用模型
现在可用的 tiny voca 替代选择
Qwen3.8 Flash
Alibaba$0.15 / $0.47 (每百万 token)
- Alibaba 对 qwen3.8-flash 的定价为每百万输入/输出 token 0.15/0.47 美元(新加坡、欧盟、香港和美国区)。来源: docs.qwencloud.com · 核对于 2026-11-13
- 在 OpenRouter 上的 id 为 qwen/qwen3.8-flash,每百万 token 0.15/0.47 美元。来源: openrouter.ai · 核对于 2026-11-13
Inkling 2 Small
Thinking Machines Lab$0.30 / $1 (每百万 token)
- Thinking Machines Lab 于 2026 年 11 月 5 日发布 Inkling 2 Small,并在其 Tinker 平台上提供。来源: thinkingmachines.ai · 核对于 2026-11-14
- 混合专家(MoE)模型,总参数 594B、激活 17B,支持图片输入和可调推理强度。来源: thinkingmachines.ai · 核对于 2026-11-14
- 输入文字和图片、输出文字;上下文最多 100 万 token;每个 token 路由到 384 个专家中的 8 个。来源: huggingface.co · 核对于 2026-11-14
FAQ
tiny voca 常见问题
tiny voca 是什么?
Tiny voca 是一个文字转语音模型:你给它英文文字,它返回一段语音音频。模型卡称它是有两个声音的小型英文模型:F2(女声)和 M2(男声),4,537,291 个参数,24 kHz 单声道输出,从零开始在约 18 小时的合成语音上训练。它不是聊天模型,不会写文字。完整规格见上面的表。
谁做了 tiny voca,什么时候出现的?
模型卡写明作者是 Muhammed Nazeem(网名 n4ze3m),这是个人项目,不是公司产品。Hugging Face 显示仓库创建于 2026 年 11 月 14 日,最近修改在 2026 年 11 月 18 日,GitHub 仓库也在同一天创建。模型卡没有单独写发布日期。
tiny voca 的许可是什么?能用在产品里吗?
模型卡说权重和代码以 Apache-2.0 发布,GitHub README 说训练数据集采用 CC BY 4.0。音素化数据来自 CMU 发音词典等来源,仓库里各有自己的许可文件。模型卡没有写额外的商用限制,但上线前请自己读一遍许可文件;本页不是法律意见。
tiny voca 有多快?需要什么硬件?
按作者自己的数字(我们没有测试),它在四个 CPU 线程上约为实时的 70 倍,所以不需要 GPU。权重是 18.2 MB(PyTorch)或 21.4 MB(ONNX),模型卡说同一个 ONNX 文件可通过 onnxruntime-web 在浏览器里运行。每次调用处理一句话,最多 512 个 token、32 秒,所以长文字要拆成句子。
tiny voca 听起来怎么样?
模型卡说声音清晰,但可能略显合成感,也没有做过正式听感测试。用 Whisper small.en 测得的词错误率在验证集上是 0.6%、测试集上是 0.9%,卡上还印出了在 50 个不带声音克隆的英语模型中排第 8(M2)和第 13(F2)的排行榜位置。这些都是作者的数字;决定之前请先听一下演示。
tiny voca 能克隆声音或说其他语言吗?
不能。模型卡的局限写的是只支持英语、两个固定声音、不能克隆声音。两个声音都由文字描述设计,训练音频是合成的,不涉及任何真人。GitHub README 列出了社区基于 tiny voca 做的其他语言项目,我们没有核对。想看能克隆声音的模型,见说波斯语的 Cilla Mini。
能在本站使用 tiny voca 吗?
不能。它不在 OpenRouter 的模型列表里,本站也不生成语音,聊天的回答是文字。你可以改和小模型聊天:在本站,与 Inkling 2 Small 的一次典型回复约 1 个积分(一个积分约 $0.01,按 $5 档计算),按真实 token 成本计费,最低 1 个积分。Qwen3.8 Flash 也是一个选择。
这是 tiny voca 的官方网站吗?
不是。本页为非官方页面,与 n4ze3m 无关,也未获其认可。事实链接到我们读过的页面。