MOSS-TTS-Nano

🔥 MOSS-TTS-Nano：0.1B超轻量多语言语音生成模型

来自复旦大学 NLP 实验室 + MOSI.AI 的开源多语言微型语音生成模型，仅 0.1B 参数即可在 CPU 上实时生成语音，支持 20 种语言和语音克隆。

---

🚀 什么是 MOSS-TTS-Nano？

MOSS-TTS-Nano 是 OpenMOSS 团队（复旦大学 NLP 实验室 + MOSI.AI）推出的超轻量多语言语音生成模型。仅 0.1B 参数，无需 GPU 即可在普通 CPU 上实时运行，支持语音克隆、流式推理和 ONNX 加速。

对于 AI 播客创作者、语音助手开发者、以及有 TTS 需求的团队来说，MOSS-TTS-Nano 提供了一个部署简单、性能优秀、完全开源的语音合成方案。

核心定位：全球最小的实用级语音生成模型，CPU 可跑，一行命令语音克隆。

---

✨ 核心功能一览

---

🛠️ 快速上手：5 分钟跑通示例

安装

conda create -n moss-tts-nano python=3.12 -y
conda activate moss-tts-nano

git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git
cd MOSS-TTS-Nano

pip install -r requirements.txt
pip install -e .

语音克隆

只需一段参考音频，即可克隆该声音生成任意文本：

# 语音克隆
python infer.py \
  --prompt-audio-path assets/audio/zh_1.wav \
  --text "欢迎关注模思智能、上海创智学院与复旦大学自然语言处理实验室。"

CLI 命令行使用

# 一行命令生成语音
moss-tts-nano generate \
  --prompt-speech assets/audio/zh_1.wav \
  --text "欢迎使用 MOSS-TTS-Nano 命令行工具。"

# 启动 Web 服务
moss-tts-nano serve

ONNX CPU 推理（无需 PyTorch）

python infer_onnx.py \
  --prompt-audio-path assets/audio/zh_1.wav \
  --text "Welcome to the ONNX Runtime CPU demo."

注意：MOSS-TTS-Nano 最大的优势是 CPU 可跑。如果没有 GPU，直接使用 ONNX 版本，推理效率接近原始版本的 2 倍。

---

📊 与竞品对比

---

💡 适用场景

场景一：AI 播客 / 语音内容生成

功能说明：MOSS-TTS-Nano 基于音频分词器 + LLM 的纯自回归架构，可将文本直接生成为 48kHz 立体声音频，支持流式推理边生成边播放。

输入要求：文本字符串 + 可选的参考音频（用于语音克隆）

输出效果：48kHz 立体声 WAV 格式音频，支持 20 种语言

适用场景：

• AI 播客自动化配音
• 有声书 / 新闻播报生成
• 多语言语音内容本地化

---

场景二：语音助手 / 对话系统

功能说明：MOSS-TTS-Nano 基于 Audio Tokenizer + LLM 的架构设计，0.1B 参数量确保在消费级硬件上也能低延迟响应。

输入要求：文本指令 + 音色参考（支持预设或动态切换）

输出效果：实时流式语音，首音延迟低

适用场景：

• 智能音箱 / 车载语音助手
• 客服机器人语音回复
• 教育类语音交互应用

---

场景三：跨语言语音应用

功能说明：支持中文、英语、日语、韩语、法语、德语等 20 种语言，同一模型即可覆盖多语种语音生成需求。

输入要求：任意支持语言的文本

输出效果：自然流畅的多语言语音输出

适用场景：

• 跨境电商多语言语音介绍
• 语言学习 APP 发音示范
• 国际化产品语音功能

---

用户群体总结

• ✅ AI 播客创作者：低成本生成高质量配音，支持语音克隆
• ✅ 语音应用开发者：CPU 可部署，降低服务器成本
• ✅ 中小团队：一个模型搞定多语言 TTS，省去多模型集成
• ✅ 教育行业：语音教学、听力材料自动生成
• ❌ 不追求极致音质：0.1B 模型音质略逊于大参数模型

---

💰 定价方案

完全开源免费！ MOSS-TTS-Nano 采用 Apache-2.0 协议，可自由使用、修改和商用。

开源协议： Apache-2.0

💡 核心优势：0.1B 参数意味着部署成本极低。一台 4 核 CPU 服务器即可支撑实时语音生成，无需 GPU 实例。

---

🎯 总结

MOSS-TTS-Nano 是当前参数量最小、部署门槛最低的多语言语音生成模型之一。0.1B 参数却支持 20 种语言、语音克隆、流式推理和 ONNX 加速，让 TTS 能力真正走向低成本部署。

推荐指数： ⭐⭐⭐⭐⭐（满分5星）

适合人群： 语音应用开发者、AI 播客创作者、有 TTS 需求的任何团队

GitHub 仓库： OpenMOSS/MOSS-TTS-Nano

---

数据截至 2026-05-29，最新信息请以官网为准。