<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>语音生成 on mitoto · 科技与财经</title><link>https://mitoto.cn/tags/%E8%AF%AD%E9%9F%B3%E7%94%9F%E6%88%90/</link><description>Recent content in 语音生成 on mitoto · 科技与财经</description><generator>Hugo</generator><language>zh</language><lastBuildDate>Sun, 08 Nov 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://mitoto.cn/tags/%E8%AF%AD%E9%9F%B3%E7%94%9F%E6%88%90/index.xml" rel="self" type="application/rss+xml"/><item><title>Underdog 展示 32MB 语音模型 Woof：浏览器离线生成语音与音乐</title><link>https://mitoto.cn/daily/2026/11/08/08-3e37338f/</link><pubDate>Sun, 08 Nov 2026 00:00:00 +0800</pubDate><guid>https://mitoto.cn/daily/2026/11/08/08-3e37338f/</guid><description>&lt;p>&lt;strong>💬 小乌点评&lt;/strong>&lt;/p>
&lt;p>💡 小乌的点评：当语音模型缩到几十MB，竞争焦点便从云端算力转向端侧延迟、隐私和产品嵌入能力。&lt;/p>
&lt;hr>
&lt;h2 id="-原文详情">📰 原文详情&lt;/h2>
&lt;p>全球 AI 公司普遍通过扩大参数规模追求更强能力，但大型模型也需要巨量计算资源。另一条技术路线则试图压缩模型，使其能够直接运行在手机、电脑等边缘设备上。初创公司 Underdog 最新发布的文本转语音模型 Woof 只有约31.7MB，并以一款完全在浏览器中运行的复古风格游戏展示其能力，借此强调本地 AI 对云端服务的替代潜力。&lt;/p>
&lt;p>演示场景布置了打字机、CRT 显示器、台灯和音乐调谐器等交互元素，开场还以城镇遭遇“侵入式”云服务商为背景，明显是在调侃依赖云计算的 AI 产品。用户可以用键盘输入任意文字，由 Woof 即时朗读；也能旋转调谐器生成不同类型的音乐，游戏中的全部声音均由该模型合成。Underdog 表示，这些功能可在大多数设备上离线完成，不必将输入或音频上传服务器。&lt;/p>
&lt;p>Woof 采用约3100万参数，模型已开放下载。虽然如此紧凑的模型很难全面取代规模更大的云端语音系统，但它已足以支撑本地语音助手、个性化播客及注重隐私的交互应用。发布 Woof 数周前，Underdog 还推出了167MB的语音转文字模型 Bark，同样面向边缘设备，可用于转录和听写；两款产品由此覆盖本地语音输入与输出链路。&lt;/p>
&lt;p>创始人 Sigil Wen 表示，他最初开发相关应用，是因为不想依赖 Granola 一类云端笔记工具，而希望构建一套让模型在用户设备上运行、数据由用户掌控的系统。他判断，未来数月内，今天许多高能力模型都可能在现有个人设备上运行，Underdog 的目标则是训练开放、能力可靠、由美国团队开发并能保护隐私的模型。除两款语音模型外，公司还发布了一个可在笔记本电脑上运行的270亿参数模型，并在测试一款候补名单制应用，定位为 Muse 和 Instinct 的本地托管替代方案。&lt;/p>
&lt;hr>
&lt;p>🔗 &lt;strong>原文链接：&lt;a href="https://techcrunch.com/2026/11/06/underdog-shows-off-a-32mb-speech-model-in-new-demo/">TechCrunch&lt;/a>&lt;/strong>&lt;/p>
&lt;hr>
&lt;h3 id="-小乌的深度思考">🤔 小乌的深度思考&lt;/h3>
&lt;p>🤔 小乌的深度思考：Woof 的价值不只是把模型压到32MB，而是证明端侧语音交互可以同时覆盖合成、音乐与离线隐私。其真正挑战在于小模型的自然度、多语言表现和长时间稳定性。若量化、硬件加速与浏览器推理继续成熟，本地语音模型将成为手机、PC及嵌入式设备的基础能力，并削弱云端按调用量收费的商业模式。&lt;/p></description><content:encoded><![CDATA[<p><strong>💬 小乌点评</strong></p>
<p>💡 小乌的点评：当语音模型缩到几十MB，竞争焦点便从云端算力转向端侧延迟、隐私和产品嵌入能力。</p>
<hr>
<h2 id="-原文详情">📰 原文详情</h2>
<p>全球 AI 公司普遍通过扩大参数规模追求更强能力，但大型模型也需要巨量计算资源。另一条技术路线则试图压缩模型，使其能够直接运行在手机、电脑等边缘设备上。初创公司 Underdog 最新发布的文本转语音模型 Woof 只有约31.7MB，并以一款完全在浏览器中运行的复古风格游戏展示其能力，借此强调本地 AI 对云端服务的替代潜力。</p>
<p>演示场景布置了打字机、CRT 显示器、台灯和音乐调谐器等交互元素，开场还以城镇遭遇“侵入式”云服务商为背景，明显是在调侃依赖云计算的 AI 产品。用户可以用键盘输入任意文字，由 Woof 即时朗读；也能旋转调谐器生成不同类型的音乐，游戏中的全部声音均由该模型合成。Underdog 表示，这些功能可在大多数设备上离线完成，不必将输入或音频上传服务器。</p>
<p>Woof 采用约3100万参数，模型已开放下载。虽然如此紧凑的模型很难全面取代规模更大的云端语音系统，但它已足以支撑本地语音助手、个性化播客及注重隐私的交互应用。发布 Woof 数周前，Underdog 还推出了167MB的语音转文字模型 Bark，同样面向边缘设备，可用于转录和听写；两款产品由此覆盖本地语音输入与输出链路。</p>
<p>创始人 Sigil Wen 表示，他最初开发相关应用，是因为不想依赖 Granola 一类云端笔记工具，而希望构建一套让模型在用户设备上运行、数据由用户掌控的系统。他判断，未来数月内，今天许多高能力模型都可能在现有个人设备上运行，Underdog 的目标则是训练开放、能力可靠、由美国团队开发并能保护隐私的模型。除两款语音模型外，公司还发布了一个可在笔记本电脑上运行的270亿参数模型，并在测试一款候补名单制应用，定位为 Muse 和 Instinct 的本地托管替代方案。</p>
<hr>
<p>🔗 <strong>原文链接：<a href="https://techcrunch.com/2026/11/06/underdog-shows-off-a-32mb-speech-model-in-new-demo/">TechCrunch</a></strong></p>
<hr>
<h3 id="-小乌的深度思考">🤔 小乌的深度思考</h3>
<p>🤔 小乌的深度思考：Woof 的价值不只是把模型压到32MB，而是证明端侧语音交互可以同时覆盖合成、音乐与离线隐私。其真正挑战在于小模型的自然度、多语言表现和长时间稳定性。若量化、硬件加速与浏览器推理继续成熟，本地语音模型将成为手机、PC及嵌入式设备的基础能力，并削弱云端按调用量收费的商业模式。</p>
]]></content:encoded></item></channel></rss>