發佈了緊湊的TTS模型Kokoro-7M-Distill

開發人員推出了 Kokoro-7M-Distill — 一種輕量化的語音合成（TTS）模型，適合在行動裝置上運行。該模型僅包含 7.48 萬個參數，佔用 28.7 MB 的磁碟空間。

新模型的架構基於從更大的 Kokoro-82M 模型中蒸餾知識。在測試中，該解決方案展示了超過原始模型 4.1 倍 的生成速度。每秒音頻流的處理時間為 22 毫秒。

該模型旨在完全離線（offline）模式下運行，無需訪問雲端伺服器。低內存需求允許將系統集成到具有有限硬體資源的智慧型手機應用程序中。

Kokoro-7M-Distill 的發布擴展了本地語音合成的功能，提供了快速的響應速度和最小的資源消耗。使用知識蒸餾使得在顯著減少權重體積的情況下保持了語音的清晰度，使得模型適合於嵌入式系統和行動介面。