AI - 学习TTS大模型（MOSS-TTS-Nano）

学习TTS大模型（MOSS-TTS-Nano）

学习AI，感觉就是在烧钱，交学费。

有一些好的模型，都是需要申请个ApiKey，然后按照token进行计费使用。如果自己有设备，也能安装一些入门款的模型，那么我们的钱包不至于瘦的那么快。

调研

模型	核心定位	语音克隆	多语言支持	硬件要求	部署难度	主要特点
Confucius4-TTS	高质量跨语种语音克隆	3秒音频克隆，相似度>85%	14种，支持跨语种音色迁移	高 (需NVIDIA GPU)	中等	54GB资源包，情感韵律迁移能力强
MOSS-TTS-Nano	轻量级、CPU友好型实时TTS	支持	20种	极低 (可无GPU运行)	简单	仅0.1B参数，提供ONNX版效率翻倍
QORA-TTS	纯Rust编写的便携式TTS	3-10秒音频克隆	10种	低 (可无GPU运行)	极简	单个可执行文件，无需Python环境，内置25种音色
Out Loud	开箱即用的桌面端TTS应用	不支持 (基于Kokoro-82M)	8种	极低	极简	提供 .exe / .dmg 等安装包，带图形界面和系统托盘
Soprano	超轻量、超高速TTS引擎	不支持	信息缺失	极低 (CPU/GPU均可)	简单	80M参数，CPU上可达20倍实时速度，内存占用<1GB
VoxCPM2	功能全面的专业语音工作站	3-10秒音频克隆	30种	高 (推荐8GB+ VRAM GPU)	中等	2B参数，支持文本描述创造新音色，可LoRA微调

我要求的是占用空间小，跑起来顺利。能玩的起来的模型。克隆语音并且纯CPU即可的，优先用MOSS-TTS-Nano。

参考资料：

https://pyvideotrans.com/blog/16tts

http://docs.llmvtuber.com/docs/user-guide/backend/tts/#piper-tts%E6%9C%AC%E5%9C%B0–%E8%BD%BB%E9%87%8F%E5%BF%AB%E9%80%9F

按照说明书操作

https://github.com/OpenMOSS/MOSS-TTS-Nano

安装conda工具 https://www.anaconda.com/download/success

安装完成