OpenMOSS/MOSS-TTS-Nano

这是什么？

核心功能

• 01约 0.1B 参数，可在 4 核 CPU 上流式生成语音。
• 02基于参考音频进行声音克隆，长文本自动分段处理。
• 03输出 48 kHz 双声道音频。
• 04支持中文、英文等 20 种语言。
• 05提供推理时不依赖 PyTorch 的 ONNX Runtime CPU 后端。
• 06附带网页演示、命令行工具和微调代码。

适用场景

• 在笔记本或仅有 CPU 的服务器上搭建本地语音合成服务。
• 为轻量产品或原型加入克隆音色的语音输出。
• 开发离线或浏览器端的朗读工具，在本地生成语音。
• 在自定义语音数据上微调小型多语言 TTS 模型。

快速上手

1. 1

   克隆代码仓库

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

   进入项目目录并安装依赖

   pip install -r requirements.txt
3. 3

   以可编辑模式安装项目

   pip install -e .
4. 4

   使用示例参考音频运行语音克隆推理

   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。"

使用前须知

• !安装 pynini 和 WeTextProcessing 等依赖可能失败，可能需要手动处理。
• !按 README 的 Conda 和 pip 步骤设置环境比单个包安装更复杂。

标签

常见问题

MOSS-TTS-Nano 是什么？

一个仅 0.1B 参数的多语言语音合成模型，可在 CPU 上实时推理，支持声音克隆与 48 kHz 立体声输出。 MOSS-TTS-Nano 是 OpenMOSS 团队发布的小型语音合成模型，参数量约 1 亿。它面向没有 GPU 的本地部署和轻量级集成场景，采用自回归的音频 tokenizer 加 LLM 流程，可以在 CPU 上实时生成语音。

MOSS-TTS-Nano 可以免费使用吗？用的什么许可证？

MOSS-TTS-Nano 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

MOSS-TTS-Nano 还在维护吗？

半年内有更新。MOSS-TTS-Nano 最近一次提交是在 2026年9月6日。

MOSS-TTS-Nano 适合用来做什么？

在笔记本或仅有 CPU 的服务器上搭建本地语音合成服务。 为轻量产品或原型加入克隆音色的语音输出。 开发离线或浏览器端的朗读工具，在本地生成语音。 在自定义语音数据上微调小型多语言 TTS 模型。

MOSS-TTS-Nano 怎么安装和运行？

克隆代码仓库: git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git 进入项目目录并安装依赖: pip install -r requirements.txt 以可编辑模式安装项目: pip install -e . 使用示例参考音频运行语音克隆推理: 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。"

在哪里获取 MOSS-TTS-Nano？

源代码和安装说明在 GitHub 上：https://github.com/OpenMOSS/MOSS-TTS-Nano