Pocket TTS 是一个轻量级文本转语音引擎，可以在本地 CPU 上以接近实时的速度将文字转换为自然语音，无需 GPU 或云端 API，适合对隐私和延迟敏感的场景。
它的核心功能包括以下几个方面。
✅ 端侧实时推理——基于优化的 Transformer 架构，在普通笔记本 CPU 上可实现 2-3 倍于实时速率的语音合成，无需联网也无需显卡，完全离线运行。
✅ 多语言与多音色——内置中文、英文、日文等多种语言的预训练模型，每种语言提供多个不同风格的音色选项（自然、温和、活泼等），支持加载社区微调模型。
✅ 细粒度语音控制——支持语速调节、停顿插入、音调微调和重音标记，还可以通过 SSML 标签控制特定词组的发音风格，输出更加自然可控。
它的适用场景也很明确。语音应用开发者用它做离线语音助手和有声书生成的本地推理方案；隐私敏感用户用它在不联网的环境中完成文本朗读和语音交互。
[收藏] 👇
TTS语音合成开源AI妙生图文本转语音