Kyutai 發布 Pocket TTS 小模型系列：最小 1.9M 參數、可於 CPU 執行語音克隆

Kyutai 於 10 月 20 日釋出三款較小的 Pocket TTS 模型，參數量分別為 1.9M、6.9M 與 18.2M。模型為英文專用，支援語音克隆，並設計為可在 CPU 上執行，讓本地助理的語音輸出不必與 LLM 競爭 GPU 顯存。官方 demo 可切換三種尺寸比較。 需注意的是，參數量數字包含音訊解碼器；處理參考語音的編碼器不計入其中，但參考語音只需編碼一次。原作者建議可先從 6.9M 版本開始，認為 1.9M 版本在語音長度較長時品質可能不足，並提議以數分鐘、含人名、數字與標點較複雜的文本測試。 此消息目前僅來自單一 Reddit 貼文，尚未有其他來源或官方文件佐證，品質數據亦未提供。