SteerTTS edge
SteerTTS的边缘版本，体积仅11.84MB，面向移动端和嵌入式设备，支持可调控语音合成。
时间轴 (近 90 天)
WhissleAI 发布了 SteerTTS 的边缘版本（SteerTTS edge），一个可调控英文语音合成模型，打包全部分发内容仅 11.84 MB。
SteerTTS edge 的 11.84 MB 包含模型权重、音色、文本前端以及 Python 运行时，是应用需要分发的全部内容。
SteerTTS edge 的声学模型有 9.25M 参数，采用 attention + 双向 Mamba-3 结构，并通过量化感知训练（QAT）压到 int4。
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。
SteerTTS edge 的文本前端改用纯 numpy 实现，运行时不再依赖 NLTK、g2p_en、torchaudio 或 num2words。
作者指出 SteerTTS edge 相比 v1 的约 0.1 UTMOS 损失几乎全部来自小型 int4 声码器。
SteerTTS edge 在量化后保留了 12 个控制维度（语速、响度、音高、音高范围、句末上扬、停顿、tilt、气声等），每个维度至少保留 fp32 版本 95% 的调控效果。
SteerTTS edge 支持 50 个风格标签和内联标记（如 [pause 400ms]、<slow>、<whisper>），可在文本中直接控制停顿、语速和耳语风格。
SteerTTS edge 在纯 CPU 环境（2018 款 Threadripper，带负载）下 4 线程 RTF 为 0.053（约 19 倍实时），配合句子级流式首包音频延迟约 120 ms。
SteerTTS edge 仅支持英文，内置 200 个音色（完整版为 2,825 个）。
还有 3 条时间轴事件
全部知识事实 (13)
SteerTTS edge 的情感标签大多只是风格切换，fast 和 anger 两类效果偏弱。
50%待验证SteerTTS edge 的 11.84 MB 包含模型权重、音色、文本前端以及 Python 运行时，是应用需要分发的全部内容。
50%待验证SteerTTS edge 的声学模型有 9.25M 参数，采用 attention + 双向 Mamba-3 结构，并通过量化感知训练（QAT）压到 int4。
50%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。
50%待验证SteerTTS edge 的文本前端改用纯 numpy 实现，运行时不再依赖 NLTK、g2p_en、torchaudio 或 num2words。
50%待验证作者指出 SteerTTS edge 相比 v1 的约 0.1 UTMOS 损失几乎全部来自小型 int4 声码器。
50%待验证SteerTTS edge 在量化后保留了 12 个控制维度（语速、响度、音高、音高范围、句末上扬、停顿、tilt、气声等），每个维度至少保留 fp32 版本 95% 的调控效果。
50%待验证SteerTTS edge 支持 50 个风格标签和内联标记（如 [pause 400ms]、<slow>、<whisper>），可在文本中直接控制停顿、语速和耳语风格。
50%待验证SteerTTS edge 在纯 CPU 环境（2018 款 Threadripper，带负载）下 4 线程 RTF 为 0.053（约 19 倍实时），配合句子级流式首包音频延迟约 120 ms。
50%待验证SteerTTS edge 仅支持英文，内置 200 个音色（完整版为 2,825 个）。
50%待验证SteerTTS edge 在设备端不支持声音克隆、自由文本提示和 flow refiner，这些能力保留在完整模型中。
50%待验证SteerTTS edge 的权重在加载时会被反量化为 fp32，因此该版本节省的是体积而非推理速度，除非针对边缘设备重写算子内核。
50%待验证WhissleAI 发布了 SteerTTS 的边缘版本（SteerTTS edge），一个可调控英文语音合成模型，打包全部分发内容仅 11.84 MB。
50%