9.36MパラメータでローカルTTSが完結、個人開発のInflect-Micro-v2が公開

開発者Owen Songが独自に開発・資金提供したテキスト読み上げモデル「Inflect-Micro-v2」がHugging Faceで公開されました。パラメータ数は9,356,513、FP32重みで37.53MBという軽量さながら、24kHzモノラル音声を生成できます。より小型の姉妹モデルInflect-Nano-v2と共通APIを持ち、CPU/CUDA双方でのローカル推論やONNX Runtime版も用意されています。