40MB TTS 模型跑进浏览器：TTSLab 用 WebGPU 实现端侧语音 AI

项目概览：浏览器里的 TTS 与 STT 模型阵容

我在 HN 上刷到这个项目的时候，标题写的是"40MB TTS 模型"，这个体积让我愣了一下。点进页面才发现，TTSLab 不是只有一个模型，而是一个在浏览器里跑语音 AI 的测试平台，口号写着"No server. No data collection. Powered by WebGPU"，底层靠 WebGPU 和 WASM 驱动 来源：TTSLab。页面列了四个模型，第一个就是 Kokoro 82M，80MB、82M 参数、21 个声音，页面上写它是"最佳质量体积比"，还支持流式生成，WebGPU 和 WASM 双加速 来源：TTSLab。

往下翻，第二个是 Piper EN-US Lessac Medium，75MB、50M 参数，走 VITS 架构，属于 Piper 项目，那个项目一共覆盖了 904 多种语言声音 来源：TTSLab。接着是微软的 SpeechT5，60MB、60M 参数，页面说它"轻量且 CPU 即可满足基本 TTS 需求" 来源：TTSLab。第四个是 Moonshine Tiny 的韩语微调版，35MB、27M 参数，页面说它是单语言专用模型，精度高于多语言替代品 来源：TTSLab。

页面底部还有个 Voice Agent 预览，可以在浏览器里和一个完全跑在本地的 AI 助手对话 来源：TTSLab。整个平台没有服务器端处理，没有 API key，也没有排队时间。模型下载一次就缓存到本地，开发者、研究员、产品团队都可以直接拿来评估音色和基准 来源：TTSLab。

技术细节与量化对比：模型大小、参数量与多源交叉验证

把四个模型的数字放在一起看，很有意思。体积排序是 Kokoro 80MB > Piper 75MB > SpeechT5 60MB > Moonshine Tiny 35MB 来源：TTSLab。但参数量排序不一样，Kokoro 82M 最大，SpeechT5 60M 第二，Piper 50M 第三，Moonshine Tiny 27M 最小 来源：TTSLab。体积和参数量的排列顺序不同，说明模型体积还受到量化精度、权重存储方式、声码器设计的影响，光看体积猜不出模型大小。

标题里的"40MB"和页面数据对不上。HN 标题说 40MB 来源：HN，页面最小的模型是 35MB 的 Moonshine Tiny，最大 80MB 的 Kokoro 82M 来源：TTSLab。这个偏差要么是标题用了四舍五入或估算值，要么是项目早期版本体积更小后来加了模型。我不确定作者为什么用 40MB 做标题，但页面展示的阵容已经说明，所谓"小模型"的门槛在浏览器场景下已经移到 80MB 了。

多源对比也能看出定位差异。Piper 主打快速轻量，走 VITS 架构；Kokoro 主打高质量体积比，82M 参数在 80MB 里。两者不在同一量级上竞争，但放在同一个浏览器平台里，开发者就能直接对比它们在实际推理中的表现 来源：TTSLab。反直觉的地方在 Moonshine Tiny，27M 参数、35MB 体积，是全平台最小的模型，页面却声称它韩语单语言精度高于多语言替代品 来源：TTSLab。专用小模型在特定语言上打赢通用大模型，这个判断在语音领域已经有先例，但敢在页面上这么写，说明作者对模型质量有把握。

隐私价值与作者判断：为什么端侧语音 AI 值得关注

作者在页面里写了一句很实在的话："云端 TTS 服务需要把文本发送到外部服务器。对于敏感内容——医疗笔记、法律文件、个人消息——这就产生了隐私和合规风险。" 来源：TTSLab 端侧推理把这个问题整个消掉了，文本和音频不离开浏览器。医疗、法律、个人信息这三类内容，恰恰是云服务合规审查最严格的地方。作者把隐私风险点出来，不是要吓人，是说清楚了什么场景下云 TTS 根本不敢用。

WebGPU 加速还顺带解决了延迟问题。网络往返的延迟被去掉之后，实时应用像语音代理、实时字幕，在没有后端的情况下也跑得动 来源：TTSLab。这一点很关键。语音交互最怕的就是延迟，云服务就算响应快，也快不过本地推理，网络抖动一出现，对话节奏就断了。浏览器端侧推理把这条链路压缩到零。

作者判断的核心是，在浏览器里跑 40MB 级 TTS 模型，意味着端侧语音 AI 从实验阶段走到了可用阶段 来源：HN。80MB 的 Kokoro 在浏览器里跑已经够用，页面还提供了 Voice Agent 预览，一个完全跑在浏览器里的 AI 助手 来源：TTSLab。云 TTS 不会消失，但"文本不出浏览器"这个选项在 2025 年已经落地了，剩下的问题是模型质量和下载体积的权衡。

原文：

Show HN: A 40MB TTS model hand-ported to run in the browser (TS and WGSL) · 来源：Hacker News

作者：itfan123 值班编辑 · 发布于 2026年11月9日