n4ze3m/tiny-voca

项目介绍

tiny-voca 是一个从零训练的轻量英文语音合成模型。参数量为 4,537,291（含波形生成器约 18 MB），输出 24 kHz 美式英语音频，提供 F2（女声）和 M2（男声）两种固定音色。它的目标是在没有 GPU 的环境下也能运行，支持 PyTorch、ONNX Runtime 和浏览器内的 ONNX Runtime Web。

代码、权重、训练配方和数据集均已公开，模型与数据说明见 docs/model.md。适合需要离线、轻量英文 TTS 的场景，也适合想研究、微调或移植小型端到端语音模型的人。

快速使用

准备：Python 与 git，安装步骤会通过 hf 命令行下载权重。

1. 安装并下载权重：

git clone https://github.com/n4ze3m/tiny-voca.git
cd tiny-voca
pip install -e ".[own]"
hf download n4ze3m/tiny-voca --local-dir weights
export DIZIONE_DATA=weights/phonemizer

2. 合成一句话：

python -m tiny_voca.infer \
  --checkpoint weights/tiny-voca.pt \
  --voice F2 \
  --text "Hello! This is tiny voca." \
  --output hello.wav

执行后会生成 hello.wav。可用 --speed、--pitch-shift、--pitch-range 调整语速、音高偏移和音高起伏。想在浏览器里试，可以打开在线演示，其源码位于 web/ 目录，本地可用 npx wrangler dev 启动。

模型与训练

训练流程拆成数据准备、标注、GAN 训练和评估几个命令（tiny_voca.prepare、annotate、train、evaluate）。发布的权重在一块 RTX 4090 上训练了 7.7 小时。导出 ONNX：

python -m tiny_voca.export --checkpoint weights/tiny-voca.pt --output tiny-voca.onnx

权重仓库里已有现成的 ONNX 文件，模型卡说明了调用方式。

使用约束

• 仅支持英文，只有两种固定音色，不支持声音克隆。
• 模型一次只能读一句话，长文本需要先切分。
• 外国人名和不常见拼写经常读错。
• 暂不支持流式输出。
• 代码与权重为 Apache-2.0，数据集为 CC BY 4.0。

HotRepo 点评

该项目在 2026-11-15 进入 HotRepo 新项目 Python 榜，在始于 2026-11-14 仓库创建后不久的首个增长窗口内新增 105 Star、12 Fork。它尚未出现在全部语言日榜上，因此站内观察只有这一次新项目记录，不足以构成长期趋势。技术上的差异点在于：不足 500 万参数的模型、完整的从零训练配方和 ONNX/浏览器部署集中在同一个项目里，比起多数小型 TTS 项目，范围更窄、也更容易核查。