MOSS-TTS-Nano
OpenMOSS/MOSS-TTS-NanoAI 已审核
RepoPicks Radar 检查于
MOSS-TTS-Nano 是什么?
MOSS-TTS-Nano 是一个你可以自己运行的小型文本转语音模型(0.1B 参数)。给它几秒钟某人说话的录音,它就能用那个声音读出你的文本,支持 20 种语言,输出 48 kHz 立体声音频。作者说它在没有显卡的 4 核处理器上也能快到满足实时需求,而 ONNX 版本在 MacBook Air M4 的单核上就能运行。你需要安装 Python 包并在自己的电脑上打开一个页面,或者先试试作者提供的免费在线演示。模型文件会在第一次运行时下载。
MOSS-TTS-Nano 免费开源(Apache-2.0),可以替代 ElevenLabs、Murf和Fish Audio。
MOSS-TTS-Nano 安装有多容易?
A · 下载即用 · Web
- Windows C
- macOS C
- Linux C
- Web A
最简单的入门方式是网页版,评级为 A:作者提供了免费的在线演示和一个 Hugging Face Space,你只需打开页面输入文字。在 Windows、macOS 和 Linux 上自行安装的评级是 C:需要 Python 3.10 或更新版本、一个 Conda 环境、`pip install -r requirements.txt` 和 `pip install -e .`,然后运行 `python app_onnx.py` 并打开 http://127.0.0.1:18083——不需要显卡。README 自己也提醒有一个依赖经常安装失败("If `WeTextProcessing` or `pynini` fails to install"),这可能会让这几条命令变成一场更长的折腾。
MOSS-TTS-Nano 的 GitHub 数据
- 星标
- 4,6572026年11月10日
- 下载量
- —所有发布版本
- 增长
- +446 天内新增星标
星标变化
事实
- 可运行于
- Windows, macOS, Linux, Web
- 需要安装
- Python
- 从源码编译需要
- Python, 显卡
- 磁盘空间
- 950 MB–4.3 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 软件基于 Apache-2.0 协议免费提供,模型文件也是免费的。成本在于你自己的电脑,以及下载模型所需的大约 1 到 4.5 GB 磁盘空间。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ElevenLabs, Murf, Fish Audio
- GitHub 上的最近改动
- 2026年9月6日
MOSS-TTS-Nano 的风险信号 (7)
- 注意依赖存在已知漏洞
固定版本的依赖存在已知漏洞(OSV):torch:GHSA-3749-ghw9-m3mg、GHSA-63cw-57p8-fm3p、GHSA-887c-mr87-cxwp;transformers:GHSA-29pf-2h5f-8g72、GHSA-69w3-r845-3855、GHSA-fgcw-684q-jj6r
自动检查
- 注意从一段简短录音中复制声音
README 把声音克隆称为 "the main recommended workflow for MOSS-TTS-Nano",示例命令是 `python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "..."`,所以你手上任何一段录音都能变成模型可以用来说话的声音。这个软件包里没有提到任何同意规则、免责声明,也没有在生成的音频上做标记。
AI 审核
- 注意安装步骤会拉取个人fork的代码
推荐的 Conda 安装过程会执行 `pip install git+https://github.com/WhizZest/WeTextProcessing.git`,这是文本规范化包的一份拷贝,保存在个人账号下,而不是原项目或 PyPI,README 还指向 "a community-tested example, see Issue #6" 来寻找 `pynini` 的 wheel 包。
AI 审核
- 信息readme的许可证说明与许可证文件相互矛盾
README 的 License 部分写道:"This repository will follow the license specified in the root `LICENSE` file. If you are reading this before that file is published, please treat the repository as **not yet licensed for redistribution**." 而根目录的 LICENSE 文件实际上是 Apache License 2.0,GitHub 也报告为 Apache-2.0,所以这看起来是第一次发布时遗留下来的文字。
AI 审核
- 信息首次运行时会下载模型
README:"If `--model-dir` is omitted, the script automatically checks `./models`. When the model files are missing, it downloads them on first run from" Hugging Face 上的 MOSS-TTS-Nano-100M-ONNX 和 MOSS-Audio-Tokenizer-Nano-ONNX 仓库。检查结果估计会占用 950 MB 到 4450 MB 的磁盘空间。
AI 审核
- 信息速度和质量数据来自作者自己
"nearly 2x" 的效率提升、在 MacBook Air M4 单核上的结果,以及 "best overall reconstruction quality" 的表格,全部都是作者自己在 README 和论文(arXiv 2603.18090 和 2602.10934)中给出的测量结果。README 还提到该模型只有 0.1B 参数,远小于同系列 8B 的旗舰模型 MOSS-TTS。
AI 审核
- 信息项目较新版本号为0 1 0
创建于 2026-04-10,pyproject.toml 显示版本号为 "0.1.0",GitHub 上完全没有发布版本,最近一次提交是在 2026-09-06(本次检查前 63 天),有 28 个未关闭的 issue,对应 4645 个星标。
AI 审核
证据以原始语言显示。
Radar 无法验证的 MOSS-TTS-Nano 相关内容
- 克隆出来的声音在你的语言里听起来有多自然,因为作者自己的测试主要集中在中文和英文上
- 在你的处理器上是否真的能跟上实时速度,因为 CPU 方面的说法是作者在自己机器上测得的数据
- 下载模型文件后实际占用的磁盘空间,估计在 950 MB 到 4450 MB 之间,但项目本身没有说明
- 作者的在线演示和 Hugging Face Space 会如何处理你上传的参考音频和文本
- 第一次运行时从 Hugging Face 获取的文件是否与论文中描述的模型一致,因为没有给出任何校验值