详细介绍
NeuTTS Air 是由 Neuphonic 开发的面向设备（on-device）语音合成模型，追求在小体积下的高度自然度与实时性。它以轻量化的 0.5B backbone 为基础，配合高效的神经音频 codec，实现低延迟、低算力的语音合成。模型支持以极短的参考音频进行说话人克隆，并提供 GGML/GGUF 格式以便在手机、笔记本或嵌入式设备上本地推理。
主要特性
- 高保真音色：在尺寸受限的前提下提供接近人声的自然度与流畅度。
- 即时说话人克隆：只需数秒参考音频即可模拟说话人风格。
- 设备优化：提供 GGML/GGUF 等适配格式，支持在移动端或树莓派等低算力设备上运行。
- 流式合成支持：支持按块生成并播放音频，适配实时交互场景。
使用场景
- 语音助手与本地化助理：在不依赖云服务的情况下提供自然语音输出，保护数据隐私。
- 嵌入式设备与物联网：低功耗平台上的离线 TTS，用于玩具、车载或家居设备等。
- 内容创作与配音：快速生成多说话人音色样本，用于原型或轻量化生产流程。
- 可访问性应用：在本地提供可定制化的语音输出，提升无障碍体验。
技术特点
- 架构：基于小型 LLM backbone（0.5B）与专用音频 codec 的组合架构，兼顾质量和效率。
- 编码：采用神经音频 codec（NeuCodec）实现低码率下的高质量重建。
- 格式兼容：提供 GGML/GGUF 与 ONNX 等部署选项，便于跨平台使用。
- 可持续性：专注于低算力与低功耗场景，适合对隐私和延迟有严格要求的应用。