Audio8-TTS-Realistic 开源：6 亿参数，几秒音频即可克隆 23 种语言

首次发布 2026年10月30日 UTC 05:02传播指数 51

Edge0 开源文本转语音模型 Audio8-TTS-Realistic，仅 6 亿参数、体积 2.6GB。它只需几秒参考音频即可完成零样本声音克隆，支持 23 种语言。模型采用 Apache 2.0 许可证允许商用，低配消费级 GPU 也能轻松运行。

Audio8-TTS-Realistic 是一款轻量级开源文本转语音模型，只要喂给它几秒钟干净的参考音频和文字，它就能克隆出对应音色，并说出 23 种语言的任意文本。

模型由 Edge0 推出，主模型参数只有 6 亿（601M），权重文件体积仅 2.6GB。整套代码和权重基于非常宽松的 Apache 2.0 许可证开源，允许免费商用。

它是怎么做到又快又真的

Audio8-TTS-Realistic 采用了双自回归（DualAR）架构。它的慢分支基于 Qwen2.5 0.5B 构建，负责逐帧预测文本和第一个音频码本；随后由一个仅有 4 层的浅层快分支并行预测剩下的 9 个码本。

这种结构把大部分串行计算压缩在帧级别，生成速度极快，自带 44.1kHz 的神经音频编解码器，不需要参考音频时也能直接生成语音。

为了让声音不发机械音，团队在多语言精调之后，用了强化学习算法 GRPO。最关键的是最后阶段引入了一个真实度判别模型，拿人类真实录音作为标杆，逼着模型去学习真实的呼吸节奏、停顿与语速，而不是单纯刷字错率。

在 CV3 的 9 语言基准测试中，它的平均错误率为 4.86%，击败了 17 亿参数的 Qwen3-TTS（7.73%）和 VoxCPM2（5.35%）。

不过面对 40 亿级别的 Higgs TTS 3，它在指标上仍有差距。此外它在低资源语言上偏科严重，泰语的字错率高达 48.57%，粤语字错率也有 31.35%。

硬件门槛非常亲民。在消费级显卡上使用 BF16 精度就能轻松跑起来。论文数据显示，在苹果 M2 芯片上跑 INT4 量化版时，峰值内存占用只有 1.1 到 1.2 GiB，不过目前官方还没放出 Realistic 版本的 ONNX 导出。

想要尝试的话，Hugging Face 提供了免费的 ZeroGPU 在线体验 Demo。本地部署需要 PyTorch 2.5 和 Transformers 4.57 以上环境，官方仓库还提供了 SGLang Omni 适配器，支持 OpenAI 兼容接口和批量并发推理。

如果你是独立开发者或中小团队，想要给应用接入多语言配音或实时语音交互，Audio8-TTS-Realistic 是目前极其划算的开源选择。以往要达到这种自然度的音色克隆，通常需要 2B 到 4B 参数的模型，部署成本高出一大截，而它直接把门槛压到了 6 亿参数。

我们认为，它的聪明之处在于放弃了单纯堆参数，转而用判别模型去死磕停顿和节奏。虽然在部分小语种上发音还不算稳定，但对于主流的中英文场景，它在低延迟、低显存和商业授权之间找到了一个极佳的平衡点。