OpenMOSS/MOSS-TTS-Nano

Что это?

Ключевые возможности

• 01Около 0,1 млрд параметров; рассчитана на работу на 4-ядерном CPU с потоковой выдачей аудио.
• 02Клонирование голоса по образцу аудио с автоматическим разбиением длинного текста на фрагменты.
• 03Выдаёт двухканальный звук с частотой 48 кГц.
• 04Поддерживает 20 языков, включая китайский и английский.
• 05Бэкенд ONNX Runtime для CPU, не требующий PyTorch во время инференса.
• 06В комплект входят веб-демонстрация, CLI и код для дообучения.

Сценарии использования

• Запуск локального сервиса синтеза речи на ноутбуке или сервере без GPU.
• Добавление синтеза речи клонированным голосом в лёгкий продукт или прототип.
• Создание браузерного или офлайн-инструмента для чтения, который локально генерирует речь.
• Дообучение компактной мультиязычной модели TTS на собственных голосовых данных.

Быстрый старт

1. 1

   Клонируйте репозиторий

   git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git
2. 2

   Перейдите в папку проекта и установите необходимые зависимости

   pip install -r requirements.txt
3. 3

   Установите проект в режиме editable

   pip install -e .
4. 4

   Запустите инференс клонирования голоса с примером аудио для 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。"

Что важно знать

• !Установка таких зависимостей, как pynini и WeTextProcessing, может завершиться ошибкой и потребовать ручного решения проблемы.
• !Шаги настройки Conda и pip из README сложнее, чем установка одного пакета.

Темы

Частые вопросы

Что такое MOSS-TTS-Nano?

Мультиязычная модель синтеза речи с 0,1 млрд параметров, работающая в реальном времени на CPU, с клонированием голоса и стереозвуком 48 кГц. MOSS-TTS-Nano — компактная модель синтеза речи от команды OpenMOSS примерно со 100 млн параметров. Она предназначена для локального развёртывания в лёгких конфигурациях без GPU и генерирует речь в реальном времени на CPU с помощью конвейера, объединяющего авторегрессионный аудиотокенизатор и LLM.

MOSS-TTS-Nano можно использовать бесплатно? Какая у него лицензия?

MOSS-TTS-Nano распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

MOSS-TTS-Nano всё ещё поддерживается?

Обновлялся за последние 6 месяцев. Последний коммит в MOSS-TTS-Nano — 6 сент. 2026 г..

Для чего можно использовать MOSS-TTS-Nano?

Запуск локального сервиса синтеза речи на ноутбуке или сервере без GPU. Добавление синтеза речи клонированным голосом в лёгкий продукт или прототип. Создание браузерного или офлайн-инструмента для чтения, который локально генерирует речь. Дообучение компактной мультиязычной модели TTS на собственных голосовых данных.

Как установить MOSS-TTS-Nano?

Клонируйте репозиторий: git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git Перейдите в папку проекта и установите необходимые зависимости: pip install -r requirements.txt Установите проект в режиме editable: pip install -e . Запустите инференс клонирования голоса с примером аудио для 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。"

Где скачать MOSS-TTS-Nano?

Исходный код и инструкции по установке — на GitHub: https://github.com/OpenMOSS/MOSS-TTS-Nano