MOSS-TTS-Nano

OpenMOSS 的 100M 文字转语音模型,面向 CPU,支持声音克隆、约 20 种语言和 48 kHz 立体声输出。Apache 2.0。

一句话概括. MOSS-TTS-Nano 是一个很小的语音模型,可以在普通电脑的处理器上运行,不需要显卡。它能朗读约 20 种语言的文本,能根据一小段录音复制声音,还能边生成边开口说话。可以免费用于商业用途。

概述

MOSS-TTS-Nano 是 MOSI.AI 与 OpenMOSS 团队在 2026 年 4 月 10 日发布的小型文字转语音模型,约 100M 参数。它沿用更大的 MOSS-TTS 所采用的“音频分词器加语言模型”方案,做成适合 CPU 的封装。README 称它输出 48 kHz 立体声,支持 20 种语言(表格里列出 19 种,缺少 MOSS-TTS 列表中的希伯来语),流式输出,首段音频延迟短,在用参考音频克隆声音时会自动把长文本切块,并称流式生成可以在 4 核 CPU 上运行。表格列出的语言有中文、英语、德语、西班牙语、法语、日语、意大利语、匈牙利语、韩语、俄语、波斯语、阿拉伯语、波兰语、葡萄牙语、捷克语、丹麦语、瑞典语、希腊语和土耳其语。

2026 年 4 月 17 日新增的 ONNX 版本去掉了对 PyTorch 的依赖。OpenMOSS 称在它的测试中处理效率提高了近一倍,并称在 MacBook Air M4 的单个 CPU 核心上也能流畅运行。仓库还提供本地网页演示、带服务模式的命令行工具、微调代码和一个 Android ONNX Runtime 示例。配套项目 MOSS-TTS-Nano-Reader 把模型作为浏览器扩展直接放在浏览器里运行。模型使用小型的 MOSS-Audio-Tokenizer-Nano 编解码器,项目公布了这个编解码器的重建分数,但没有给出语音模型本身的词错误率或说话人相似度基准,所以请通过演示自己听一听声音。

权重采用 Apache 2.0,PyTorch 检查点为 0.24 GB。README 里的许可证一节只是占位文字,但仓库中有 Apache 2.0 的 LICENSE 文件,Hugging Face 页面标注的也是同一许可证。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到约 11.9 万次下载。如果想要语言更多、效果更强的声音,同一团队的 MOSS-TTS 在本站单独收录。

适合做什么

  • 在没有 GPU 的笔记本、迷你主机或小型服务器上做文字转语音。
  • 离线和浏览器内的朗读工具,因为项目提供浏览器扩展,ONNX 路线也不依赖 PyTorch。
  • 用只有 0.24 GB 的模型,快速试验多语言声音克隆。
  • 安卓端实验,可以使用仓库里的 ONNX Runtime 示例。

需要注意

  • 项目没有公布语音模型的听感或错误率基准,只有编解码器的重建分数。
  • README 称声音克隆是主要推荐的使用方式,所以在依赖内置声音之前请自己检查。
  • 这个体量的音质比不上 8B 的 MOSS-TTS 或其他大得多的模型,粤语、荷兰语、泰语和越南语也不在它的语言表里。
  • README 的许可证一节只是占位文字,请以 LICENSE 文件为准;克隆真人的声音必须征得本人同意。

性能数据来自开发方,未经独立验证。

需要多少内存?

以下是 MOSS-TTS-Nano 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。

版本 参数量 下载大小 所需内存 可运行于
Nano (100M) 100M 0.24 GB 0.276 GB 笔记本或手机

下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。

许可证,用大白话说

最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。

进一步了解 Apache 2.0

延伸阅读

常见问题

MOSS-TTS-Nano 是什么?
MOSS-TTS-Nano 是一个很小的语音模型,可以在普通电脑的处理器上运行,不需要显卡。它能朗读约 20 种语言的文本,能根据一小段录音复制声音,还能边生成边开口说话。可以免费用于商业用途。
MOSS-TTS-Nano 可以商用吗?
可以。MOSS-TTS-Nano 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
MOSS-TTS-Nano 是开源的吗?
MOSS-TTS-Nano 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 MOSS-TTS-Nano 吗?
可以。最小版本 Nano (100M) 在 4 位精度下约需 0.276 GB 内存,现代笔记本或中端显卡即可胜任。
MOSS-TTS-Nano 是什么时候发布的?
MOSS-TTS-Nano 由 OpenMOSS 于 2026年4月10日 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
MOSS-TTS OpenMOSS 4.55B – 8.49B – Apache 2.0 (宽松) 10 GB 笔记本或手机
Kokoro hexgrad 82M – Apache 2.0 (宽松) 0.38 GB 笔记本或手机
Pocket TTS Kyutai 18M – 100M – CC BY 4.0 (宽松) 0.127 GB 笔记本或手机
Phonon 31M Gradium 31M – Apache 2.0 (宽松) 0.0747 GB 笔记本或手机