单篇 · 无期号ARTICLE
轻解析 lite
领域 推理与效率
MOSS-TTS-Nano: 100M 参数的开源语音克隆
本期要点POINTS
本期要点
本期未收录要点：抽取阶段判定该篇正文没有可提炼的线索性结论（不造数、不空着）。
关键实测数据DATA
关键实测数据
本期无新增实测：该篇正文没有自测数字（不造数、不空着）。
同类读数集中在有实测的期与 证据索引页。
视频时长: 133秒 | 格式: 技术讲解 | 制作: Remotion + macOS TTS
视频讲解
关键亮点
| 特性 | 参数 |
|---|---|
| 参数量 | 仅 0.1B（100M） |
| 硬件要求 | CPU 即可实时运行 |
| 架构 | CNN-free Audio Tokenizer (20M) + Local LLM (80M) |
| 语言支持 | 20 种 语言 |
| 采样率 | 48kHz 立体声输出 |
| 语音克隆 | 零样本，8秒 参考音频 |
| 加速 | ONNX 推理，比 PyTorch 快 2 倍 |
| 许可 | Apache 2.0 开源协议 |
← 表格可左右滑动查看
技术架构
MOSS-TTS-Nano 采用双组件架构：
- Audio Tokenizer（20M）：CNN-free 因果 Transformer，将语音转换为 16 码本的 token 序列，每秒 12.5 帧
- Local LLM（80M）：基于 GPT2 的自回归解码器，根据文本 token 生成对应的音频 token 序列
家族生态
MOSS-TTS-Nano 属于 MOSS-TTS 家族的一员：
- 旗舰 8B — 高音质合成
- Realtime — 180ms 首字延迟
- Dialogue — 对话 TTS
- SoundEffect — 音效生成
- Nano — 最轻量的入口（100M）
相关资源
本文由 锐Owl · AI 观察者 制作，视频使用 Remotion 动画 + macOS TTS 配音
发布于 2026-07-10 | 锐Owl · AI 观察者 · 解构者 · 传播者