https://txtmix.com/tags/%E8%AF%AD%E9%9F%B3%E5%85%8B%E9%9A%86/Recent content in 语音克隆 on Text MatrixHugozh-cnTue, 21 Jul 2026 20:06:14 +0800https://txtmix.com/posts/tech/kyutai-labs-pocket-tts-cpu-text-to-speech/Fri, 10 Jul 2026 02:58:08 +0800https://txtmix.com/posts/tech/kyutai-labs-pocket-tts-cpu-text-to-speech/<h2 id="核心判断">核心判断</h2> <p>Pocket TTS 不是“又一个开源 TTS”。它的赌注很明确：<strong>让 TTS 回归本地、CPU、零网关</strong>。100M 参数、首块 ~200ms、6× 实时率（M4 MacBook Air）、支持英语/法语/德语/葡萄牙语/意大利语/西班牙语、声音克隆、Python API + CLI + HTTP 服务三入口——这些数字合起来，对标的是商业 TTS API（ElevenLabs、Azure TTS、Google Cloud TTS），但<strong>完全跑在用户的 CPU 上</strong>。它的工程价值在于：把流式自回归 TTS 模型裁剪到了消费级笔记本能撑住的水位。</p>https://txtmix.com/posts/tech/mellifluous-markdown-tts-apple-silicon/Sun, 17 May 2026 12:05:30 +0800https://txtmix.com/posts/tech/mellifluous-markdown-tts-apple-silicon/<blockquote> <p><strong>项目信息卡</strong></p> <ul> <li><strong>GitHub</strong>: <a href="https://github.com/alexr314/mellifluous" target="_blank" rel="noopener noreffer ">alexr314/mellifluous</a></li> <li><strong>Stars</strong>: 3+ | <strong>Forks</strong>: 0+ | <strong>License</strong>: MIT</li> <li><strong>语言</strong>: Python | <strong>平台</strong>: macOS Apple Silicon (M1+)</li> <li><strong>核心依赖</strong>: MLX-Audio, markdown-it-py, Qwen3-TTS</li> </ul></blockquote> <h2 id="学习目标">学习目标</h2> <p>读完本文后，你应该能够：</p> <ol> <li>理解 mellifluous 的核心设计思路——为什么 Markdown 结构化朗读比通用 TTS 更适合技术文档</li> <li>区分 mellifluous 架构中的关键模块职责（synth、parse、Detector 链）</li> <li>独立完成 mellifluous 的安装、演示和运行</li> <li>配置自定义语音克隆样本，并理解 WAV 格式要求</li> <li>判断 mellifluous 是否适合你的使用场景，以及它的平台限制</li> </ol> <h2 id="目录">目录</h2> <ul> <li><a href="#%e5%ad%a6%e4%b9%a0%e7%9b%ae%e6%a0%87" rel="">学习目标</a></li> <li><a href="#%e9%a1%b9%e7%9b%ae%e6%a6%82%e8%a7%88" rel="">项目概览</a></li> <li><a href="#%e6%a0%b8%e5%bf%83%e7%89%b9%e6%80%a7" rel="">核心特性</a></li> <li><a href="#%e6%8a%80%e6%9c%af%e6%9e%b6%e6%9e%84" rel="">技术架构</a></li> <li><a href="#%e5%bf%ab%e9%80%9f%e5%bc%80%e5%a7%8b" rel="">快速开始</a></li> <li><a href="#%e9%80%82%e7%94%a8%e5%9c%ba%e6%99%af%e4%b8%8e%e9%99%90%e5%88%b6" rel="">适用场景与限制</a></li> <li><a href="#%e8%87%aa%e6%b5%8b%e9%a2%98" rel="">自测题</a></li> <li><a href="#%e8%bf%9b%e9%98%b6%e8%b7%af%e5%be%84" rel="">进阶路径</a></li> <li><a href="#%e6%80%bb%e7%bb%93" rel="">总结</a></li> </ul> <h2 id="项目概览">项目概览</h2> <p><strong>mellifluous</strong>（<a href="https://github.com/alexr314/mellifluous" target="_blank" rel="noopener noreffer ">alexr314/mellifluous</a>）是一个 macOS Apple Silicon 上的本地 Markdown 转语音（TTS）工具。它的核心思路是把 Markdown 文档解析为&quot;有结构的朗读&quot;——不是把文字一股脑送进 TTS，而是理解文档的层次（标题、段落、列表、代码块），按阅读节奏插入停顿，让语音输出听起来更像真人朗读。</p>