Pocket TTS：把强大TTS塞进你的CPU口袋
你是否曾为了一行语音合成代码，被迫拉起一个GPU实例，或者调用付费的云API？作为开发者，我们明明只想快速把文本转成音频，却常常卡在“环境配置太复杂”和“硬件成本太高”这道坎上。Kyutai Labs 推出的 Pocket TTS，正是为了彻底终结这种尴尬。它是一个用 Python 编写的轻量级文本转语音（TTS）工具，模型仅 1 亿参数，专门为 CPU 优化。无需 GPU，无需联网，pip install 之后一句函数调用就能生成自然流畅的语音。
截至收录：
Pocket TTS stars数：8657
Pocket TTS forks数：876
Pocket TTS项目目录截图
Pocket TTS核心亮点
🌟 极致轻量：模型仅有 100M 参数，却能在 CPU 上跑出约 6 倍实时速度（在 MacBook Air M4 上实测）。生成第一段音频的延迟仅约 200ms，且只占用 2 个 CPU 核心。
🎯 开箱即用：支持 Python 3.10 至 3.14，无需安装 GPU 版 PyTorch。一条 pip install pocket-tts 命令，即可通过 Python API 或 CLI 快速合成语音。更友好的是，官方还提供了可直接在浏览器里试玩的 Web 演示。
🔒 安全可控：所有推理都在本地设备完成，语音数据和文本内容不会上传至云端，从根源上规避了隐私泄漏风险。同时项目明确规定了禁止未经授权模仿或克隆他人声音等滥用行为，为技术使用划清了伦理边界。
🧩 生态丰富：除了官方 Python 实现，社区还贡献了 Rust/Candle、ONNX、C++、C#、Unity、ComfyUI 等十余种移植或集成方案。无论你是做 Web 应用、桌面软件还是嵌入式设备，都能找到合适的接入方式。
Pocket TTS快速开始
只需几步，你就能在本地运行起 Pocket TTS：
- 安装：
bash
# 使用 uv（推荐，自动管理依赖）
$ uvx pocket-tts generate
# 或使用 pip
$ pip install pocket-tts - 运行你的第一个命令：
bash
# 生成默认文本的语音，并保存为 ./tts_output.wav
$ pocket-tts generate
# 指定文本和音色
$ pocket-tts generate --text "你好，世界" --voice alba - 作为 Python 库使用：
“`python
from pocket_tts import TTSModel
import scipy.io.wavfiletts_model = TTSModel.load_model()
voice_state = tts_model.get_state_for_audio_prompt(“alba”)
audio = tts_model.generate_audio(voice_state, “Hello world, this is a test.”)
scipy.io.wavfile.write(“output.wav”, tts_model.sample_rate, audio.numpy())
“`
Pocket TTS应用场景
场景一：离线语音助手与播报系统：开发者可以在资源受限的边缘设备或本地服务器上部署 Pocket TTS，为智能音箱、导航播报、信息无障碍工具提供实时语音输出。例如社区项目 seshat-tts 就利用它为游戏和应用提供实时音频合成。
场景二：个性化语音克隆与内容创作：Pocket TTS 支持基于一段几秒到几十秒的音频样本进行语音克隆。创作者可以快速为有声书、视频配音、播客生成定制化音色，甚至通过 export-voice 命令将声音嵌入预计算成 safetensors 文件，实现毫秒级加载。
场景三：浏览器端与跨平台集成：得益于模型的小巧，社区已经通过 WebAssembly 将 Pocket TTS 移植到浏览器中运行。你可以在浏览器里实现“所见即所听”的交互式内容，甚至构建完全本地化的沉浸式应用，如「Hogwarts Legacy」角色语音对话工具。
用户案例：目前，pocket-reader（浏览器屏幕阅读器）、pocket-tts-wyoming（Home Assistant 语音集成）、LocalVocal.ai（Mac 本地语音助手）等众多项目都在使用 Pocket TTS 构建其语音能力。
Pocket TTS链接
kyutai-labs / pocket-tts项目地址：https://github.com/kyutai-labs/pocket-tts
本文地址：https://www.tgoos.com/46191
