Biblioteca open source de text-to-speech cujo modelo KittenTTS 2 clona vozes com 5 segundos de áudio e funciona em tempo real na CPU.
16,2 mil967PythonApache-2.0Atualizado há 4 dias
OpenMOSS/MOSS-TTS-Nano
Modelo multilíngue de conversão de texto em fala com 0,1 bilhão de parâmetros, que funciona em tempo real na CPU, clona vozes e gera áudio estéreo a 48 kHz.
Alternativa open source a:ElevenLabs
- Estrelas
- 4,517
- Forks
- 562
- Issues abertas
- 26
- Último commit
- mês passado
O que é?
O MOSS-TTS-Nano é um modelo compacto de conversão de texto em fala da equipe OpenMOSS, com cerca de 100 milhões de parâmetros. Ele foi pensado para implantações locais e leves, sem GPU, e gera fala em tempo real na CPU usando um pipeline autoregressivo com tokenizador de áudio e LLM.
O modelo permite clonar vozes a partir de um trecho de áudio de referência e gera áudio de dois canais a 48 kHz. Ele dá suporte a 20 idiomas, incluindo chinês, inglês, japonês, coreano e vários idiomas europeus. Textos longos podem ser divididos automaticamente em trechos para a clonagem.
O projeto oferece várias formas de uso: um script de inferência em Python, uma demonstração web local com FastAPI, um CLI empacotado com os comandos generate e serve, e um backend de CPU com ONNX Runtime que dispensa o PyTorch durante a inferência. Também inclui código para fine-tuning e um exemplo de ONNX para Android.
Recursos principais
- 01Cerca de 0,1 bilhão de parâmetros, projetado para funcionar em uma CPU de 4 núcleos com saída em streaming.
- 02Clonagem de voz a partir de áudio de referência, com divisão automática de textos longos em trechos.
- 03Gera áudio de dois canais a 48 kHz.
- 04Dá suporte a 20 idiomas, incluindo chinês e inglês.
- 05Backend de CPU com ONNX Runtime, sem dependência do PyTorch durante a inferência.
- 06Inclui uma demonstração web, CLI e código para fine-tuning.
Casos de uso
- Executar um serviço local de conversão de texto em fala em um laptop ou servidor sem GPU.
- Adicionar saída de voz com vozes clonadas a um produto ou protótipo leve.
- Criar uma ferramenta de leitura no navegador ou offline que gere fala localmente.
- Fazer fine-tuning de um modelo pequeno e multilíngue de TTS com dados de voz personalizados.
Início rápido
- 1
Clone o repositório
git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git - 2
Acesse a pasta do projeto e instale os requisitos
pip install -r requirements.txt - 3
Instale o projeto no modo editable
pip install -e . - 4
Execute a inferência de clonagem de voz com o áudio de exemplo do prompt
python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "欢迎关注模思智能、上海创智学院与复旦大学自然语言处理实验室。"
Antes de usar
- A instalação de dependências como pynini e WeTextProcessing pode falhar e talvez exija soluções manuais.
- As etapas de configuração com Conda e pip do README são mais complexas do que a instalação de um único pacote.
Tópicos
Perguntas frequentes
- O que é MOSS-TTS-Nano?
- Modelo multilíngue de conversão de texto em fala com 0,1 bilhão de parâmetros, que funciona em tempo real na CPU, clona vozes e gera áudio estéreo a 48 kHz. O MOSS-TTS-Nano é um modelo compacto de conversão de texto em fala da equipe OpenMOSS, com cerca de 100 milhões de parâmetros. Ele foi pensado para implantações locais e leves, sem GPU, e gera fala em tempo real na CPU usando um pipeline autoregressivo com tokenizador de áudio e LLM.
- MOSS-TTS-Nano é gratuito? Qual é a licença?
- MOSS-TTS-Nano é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- MOSS-TTS-Nano ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de MOSS-TTS-Nano foi em 6 de set. de 2026.
- Para que posso usar MOSS-TTS-Nano?
- Executar um serviço local de conversão de texto em fala em um laptop ou servidor sem GPU. Adicionar saída de voz com vozes clonadas a um produto ou protótipo leve. Criar uma ferramenta de leitura no navegador ou offline que gere fala localmente. Fazer fine-tuning de um modelo pequeno e multilíngue de TTS com dados de voz personalizados.
- Como instalar MOSS-TTS-Nano?
- Clone o repositório: git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git Acesse a pasta do projeto e instale os requisitos: pip install -r requirements.txt Instale o projeto no modo editable: pip install -e . Execute a inferência de clonagem de voz com o áudio de exemplo do prompt: python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "欢迎关注模思智能、上海创智学院与复旦大学自然语言处理实验室。"
- Onde consigo MOSS-TTS-Nano?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/OpenMOSS/MOSS-TTS-Nano
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Sistema open source de text-to-speech com clonagem de voz, controle de emoção em linguagem natural e geração com vários falantes, baseado em modelos no estilo LLM.
33,3 mil2,9 milPythonOtherAtualizado há 7 dias
Família de modelos open source de text-to-speech da Resemble AI, com clonagem de voz a partir de um trecho curto de referência em inglês e vários outros idiomas.
27,1 mil3,6 milPythonMITAtualizado há 3 meses
Modelo open source de text-to-speech zero-shot com suporte a mais de 600 idiomas, clonagem de voz e criação de vozes.
14,8 mil2,2 milPythonApache-2.0Atualizado há 8 dias
Sistema open source de text-to-speech baseado em flow matching com Diffusion Transformer, que oferece clonagem de voz zero-shot a partir de um áudio curto de referência.
IA e Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,4 mil2,3 milPythonMITAtualizado há 6 dias
Modelo de TTS leve baseado no ZipVoice para clonagem de voz e geração de fala a 48 kHz, com velocidade superior a 150x em tempo real na GPU.
5,5 mil685PythonApache-2.0Atualizado há 5 meses