待验证50% 置信事实精确时间
SteerTTS-edge的声码器为620万参数的Vocos风格模型，从charactr/vocos-mel-24khz蒸馏而来，同样采用int4 QAT。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/22
首次发现
有效期至：2027/1/20
来源
涉及实体
相关事实
待验证SteerTTS edge 的声码器是 6.2M 参数的 Vocos 风格模型，从 charactr/vocos-mel-24khz 蒸馏而来，并做了 int4 QAT。89% 相似待验证SteerTTS采用FastPitch风格的显式方差建模，音素先经过编码器，由时长、音高、能量三个预测器分别输出控制量，再通过长度调节器对齐，最终解码为100频带log-mel谱，交由冻结的Vocos声码器合成波形。74% 相似待验证该本地语音助手系统完全自托管，语音检测和识别跑在CPU上，LLM（Gemma 4 E4B，QAT q4_0量化，基于llama.cpp）负责生成回答，TTS（Qwen3-TTS 1.7B）逐句合成语音。70% 相似待验证SteerTTS-edge的声学模型为925万参数的attention + 双向Mamba-3结构，经过量化感知训练（QAT）压缩至int4精度。70% 相似待验证语音编码器 + LLM 解码器的组合是 2023 年以来语音大模型的主流范式，Qwen-Audio、Gemini Audio、Phi-4-audio 等均采用类似设计68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1087444API
curl https://kongchang.com/api/v1/knowledge/claims/1087444MCP
get_claim(id=1087444)