init0 开源 Ninada 浏览器端多语言语音合成

开发者 init0 开源了 Ninada，一套在浏览器本地运行、无需注册也不依赖服务端的语音合成项目，包含 48 个 24 kHz 的 ONNX 专用模型，覆盖古典梵语、英语和 10 种印度语言，并提供男女声选择；代码采用 MIT 许可，模型权重采用 CC-BY-4.0，代码、权重和在线体验均已放出。 为兼顾不同设备，项目按设备路由两层声码器：桌面用 27.9MB 的 HiFi-GAN 走 WebGPU 合成，手机自动切换到 21.7MB 的蒸馏版 iSTFTNet。init0 称，手机端 WASM 首次出声为 538 毫秒，iSTFTNet 可把声码器计算量减少 2.64 倍；早先报道另给出桌面 WebGPU 出声为 89 毫秒。 关于模型体积，最新报道称单个模型约 21.7MB，而早先报道把 21.7MB 对应到手机端蒸馏声码器 iSTFTNet、27.9MB 对应桌面端 HiFi-GAN，两处口径不完全一致。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。