Inflect-Micro-v2: TTS model 9.36M parameter
Judul asli: Inflect-Micro-v2: complete voice in 9.36M parameters
Mengapa Ini Penting
10M以下の超小型TTSモデルがエッジAI・ローカル推論市場での実用水準に達しつつあることを示す事例
owensong氏がHugging Faceで公開したInflect-Micro-v2は、9,356,513パラメータ（37.53MB）のローカルTTSモデルで、CPU上で6.28倍のリアルタイム速度を実現。
Owen Song氏が独自に開発・資金調達したテキスト音声合成（TTS）モデル「Inflect-Micro-v2」がHugging Faceで公開された。パラメータ数9,356,513（FP32で37.53MB）という超小型構成ながら、24kHzモノラル音声出力に対応し、CPUおよびCUDAでの推論が可能。コミュニティによる匿名ブラインド比較試験では66.2%の選好率（21勝・10敗・3引き分け）を記録。UTMOS22による予測自然度スコアは4.395、2モデルASRによる意味的単語誤り率は3.99%。比較対象にはKittenTTS Nano、Piper Low、Supertonic 3を含む。同シリーズには10M未満のMicroと4M未満のNanoの2サイズが存在する。開発者はv3として多言語・多声対応の拡張を検討中と述べている。ライセンスはApache-2.0。