作者發布了 sanoTTS，這是一個參數僅 294k、量化後體積為 337 KB 的神經語音合成堆棧，專為在 ESP32 等低成本微控制器上運行而設計。該模型支援 6 種語言與 11 種聲音，其體積遠小於 Kokoro 或 Voxtral TTS 等現有解決方案。在效能方面，SCOREQ 得分達 4.13；在 ESP32 上實現了 0.225 的實時因子（RTF），即生成音頻的速度比實時還快。此外，該模型透過 npm 提供 WebAssembly 支援，方便在瀏覽器中部署。

事件背景

語音合成（TTS）系統將書面文字轉換為口語音訊，傳統上需要大量的運算能力。SCOREQ 和 UTMOS 是用於評估語音質量的自動化指標，無需人類聽眾參與，分數越高表示自然度和清晰度越好。Int8 量化是一種將神經網路權重從浮點數降低為 8 位整數的技術，可大幅降低記憶體使用量並使其能在微控制器上部署。

社群觀察

社群對物聯網應用的潛力充滿熱情，用戶要求將其整合到 Home Assistant 和 audio.cpp 中。大家特別關注增加德語和西班牙語等更多語言，以及生成完成前即可輸出音訊的串流功能。