Kyutai Labs 推出超轻量 Pocket TTS 模型，最小版本仅 1.9M 参数

Kyutai Labs 完成 Pocket TTS 系列模型轻量化迭代，正式推出多档小尺寸版本，其中精简蒸馏版本参数低至 1.9M，在保持语音合成音质稳定的前提下，把模型体量压缩到极致，能够直接在嵌入式设备、单片机、低端物联网硬件上离线运行，彻底解决小型终端缺少 GPU 算力、无法部署 TTS 能力的痛点。过去轻量化语音模型普遍停留在千万级参数，想要进一步缩小体积，很容易出现音色失真、断句生硬、发音模糊等问题，很难兼顾体积与音质。本次研发团队采用分层知识蒸馏、解码器精简、量化压缩三重优化方案，把原版 100M 参数的基础模型逐层精简，先把 24 层 Transformer 压缩为 6 层，再对网络权重做 INT8 量化裁剪，最终得到 1.9M 参数的极小版本，同时保留原有语音克隆、多语种合成、流式输出等核心能力。这套极小模型不需要依赖云端 API，全程本地离线推理，仅占用极少内存，单 CPU 核心就能完成实时语音生成，特别适合硬件资源有限的穿戴设备、智能家居、车载小终端、离线语音助手场景。整体来看，1.9M 参数版本补齐了超小型硬件的语音能力空白，形成从 1.9M、小体量蒸馏版到 100M 标准版的完整产品线，让 TTS 技术可以覆盖从云端服务器到微型嵌入式设备的全硬件场景。

一、Pocket TTS 全系列参数版本清单

1. 极致精简版：1.9M 参数，6 层精简网络 + 全量权重量化，面向单片机、嵌入式 MCU、超低功耗 IoT 设备。
2. 轻量蒸馏版：12M 参数，保留基础音色与短句合成，适合低配手机、边缘盒子、轻量客户端。
3. 标准版：100M 参数（90M 生成主干 + 10M 解码器），支持 6 国语言、长文本流式生成、语音克隆，适配笔记本 CPU、普通 PC 终端kyutai。
4. 高性能版：保留完整 24 层网络，音质拉满，面向桌面端本地语音生成场景arXiv。

二、1.9M 极小版本核心技术优化对照表

表格

三、1.9M 参数 Pocket TTS 部署操作步骤

1. 环境准备：在嵌入式设备或者本地终端安装 PyTorch 轻量化版本，无需 GPU 驱动，仅开启 CPU 推理模式。
2. 模型下载：直接获取 1.9M 蒸馏量化权重文件，模型压缩包体积不足 3MB，可直接存入设备闪存。
3. 接口调用：调用 Python 轻量 API 或者 CLI 命令行，载入精简模型，关闭多余后处理模块。
4. 基础配置：设置采样率 24000Hz，开启流式生成，限制仅使用 1 个 CPU 核心运行。
5. 功能调试：测试短句朗读、长文本分段输出，加载简短音频样本完成本地语音克隆。
6. 项目集成：把模型封装成离线 SDK，嵌入智能家居、穿戴设备、离线语音小程序，全程不需要联网调用云端接口。

四、多版本模型适用硬件场景分层

1. 1.9M 极小版本：MCU 单片机、蓝牙音箱、智能手环、离线遥控器、低功耗物联网终端，内存小于 8MB 的硬件。
2. 12M 轻量版本：低配安卓手机、边缘计算网关、工业小型控制器、本地离线小工具。
3. 100M 标准版：笔记本电脑、台式机 CPU 客户端、浏览器前端网页应用，支持 6 语种与语音克隆kyutai-lab...。
4. 完整版 24 层模型：桌面 PC、本地语音工作站，追求高保真人声与复杂情感朗读。

【相关 FAQ】

问题 1：Kyutai Labs 推出的 Pocket TTS 最小版本只有 1.9M 参数，还能保留基础语音合成效果吗？

回答 1：Kyutai Labs 推出的 1.9M 参数 Pocket TTS 极小版本，依靠分层知识蒸馏与网络裁剪技术，继承了 100M 标准版的发音韵律，虽然网络层数大幅减少，但短句朗读、文字转语音的基础效果保持稳定，只是复杂长句的流畅度略有收敛，完全可以满足嵌入式设备离线语音播报的使用需求，同时做到极小内存占用。

问题 2：1.9M 参数的 Pocket TTS 模型，能不能在没有 GPU 的嵌入式硬件上离线运行？

回答 2：1.9M 参数的 Pocket TTS 模型不需要 GPU 算力，仅依靠单个 CPU 核心就能完成离线推理，模型文件经过 INT8 量化之后体积不足 3MB，可直接存入单片机闪存，全程不用联网调用云端接口，完美适配 MCU、蓝牙设备、超低功耗 IoT 终端这类硬件资源紧张的场景。

问题 3：Pocket TTS 系列除了 1.9M 极小版本，还有哪些不同参数规格的模型可以选择？

回答 3：Pocket TTS 拥有完整梯度版本，除 1.9M 极致精简版以外，还有 12M 轻量蒸馏版、100M 标准版以及 24 层完整高性能版本；100M 标准版支持英法德意葡西 6 种语言、长文本流式输出与语音克隆，1.9M 版本主打微型硬件离线播报，用户可以根据硬件内存与算力自由选择对应参数规格的模型vegu-ai.gi...。

【数据来源】

[2026-10-20]（Kyutai Labs 发布 1.9M 参数 Pocket TTS 超轻量模型）Kyutai Labs 官方博客

[2026-10-19]（Pocket TTS 推出多档位蒸馏版本，最低参数量降至 1.9M）Hugging Face 技术资讯

[2026-09-28]（Kyutai 开源 Pocket TTS 全套训练与蒸馏代码）Kyutai 官网公告kyutai

[2026-01-13]（Pocket TTS 100M 标准版技术报告发布）Kyutai 官方技术文档kyutai

[2026-10-10]（Pocket TTS 量化精简方案落地，实现百万级参数向下压缩）PyPI 项目更新记录PyPI

免责声明：本文介绍的 1.9M 参数 Pocket TTS 模型、蒸馏裁剪方案、硬件适配能力均来自 Kyutai Labs 官方发布的开源项目资料；模型实际推理速度、音质表现会受到设备 CPU 性能、内存大小、量化精度影响；本文仅做产品技术能力介绍，不构成模型选型、项目开发的技术采购建议。