开源Pocket TTS训练栈，可在个人GPU快速训练TTS模型

转推 @kyutai_labs：如果你在找周末项目，何不试试在自己的GPU上从零训练一个文本转语音模型，然后在任意设备CPU上运行？我们刚刚开源了整个Pocket TTS训练栈：数据管道、配方和评估。它学得相当快：约1.5万步：咿呀学语开始变成单词；约5万步：能朗读你输入的任何内容（WER低于1%）；约20万步：声音不再像合成的。在强劲的消费级GPU上，这需要一周的训练时间。在8块H100上：10-20小时。租用硬件跑一次TTS训练成本不到200美元，如果只付电费则便宜一个数量级。我们期待看到大家尝试：用你的母语训练它（几百小时语音就能让你惊讶）；为Pocket TTS添加新功能（情感标签？让它唱歌？）；在我们自己的赛道上击败我们：让它更快更小。展示你的成果！我们将向整个社区推荐最好的模型和新语言。Pocket TTS已经找到了很多用途，从为视障人士朗读到让游戏NPC说话，我们相信还有更多可做的！以下是一个捷克语Pocket TTS示例。试着让你最喜欢的agent去找数据并应用这个方法，你就能拥有自己的。开始吧：https://t.co/3EH3sbKNRU