核心亮点：小模型，大能力维度
Supertonic
传统云端 TTS
参数量
99M
0.7B-2B+
推理位置
完全本地（无网络请求）
云端 API 调用
延迟
<100ms< strong>（比云端快 10 倍）
几百毫秒到几秒
语言支持
31 种语言 + 语言无关模式
通常 10-20 种
音频质量
44.1kHz CD 音质 WAV
通常 22-24kHz
硬件要求
Raspberry Pi 可运行
需要稳定网络
本质：通过 ONNX Runtime 优化，在极小参数量下实现生产级 TTS 能力
技术架构：为什么能这么快？ONNX Runtime 优化跨平台推理引擎，CPU/GPU 自动优化支持 WebGPU（浏览器端）、ARM（移动端）、x86（桌面端）99M 超轻量模型对比：OpenAI TTS (1.5B+)、Qwen3-TTS (2B)、Bark (0.7B)体积优势：下载快、启动快、内存占用低真实世界文本优化金融表达：$5.2M → "five point two million dollars"电话号码：(212) 555-0142 ext. 402 → 正确分段朗读技术单位：2.3h at 30kph → "two point three hours at thirty kilometers per hour"表情标签系统She walked into the room, it's been a long day.10 种内置标签：、、、 等无需参考音频：纯文本控制情感表达快速上手Python（最简单）pip install supertonic

from supertonic import TTS
tts = TTS(auto_download=True) # 首次自动下载模型
style = tts.get_voice_style(voice_name="M1")

wav, duration = tts.synthesize(
text="Supertonic is lightning fast!",
lang="en",
voice_style=style,
total_steps=8, # 质量：5-12，8为默认
speed=1.05 # 语速：0.7-2.0
)

tts.save_audio(wav, "output.wav")
print(f"生成了 {duration[0]:.2f} 秒音频")其他平台支持Web 浏览器：WebGPU 直接运行（Chrome 插件 TLDRL 就是基于此）移动开发：iOS/Android/Flutter SDK系统集成：C++/C#/Go/Rust 等 11 种语言 SDK边缘设备：Raspberry Pi、电子书阅读器（Onyx Boox Go 6）性能实测对比场景
Supertonic
ElevenLabs
OpenAI TTS
Bark
金融文本
✅ 完美处理
❌ 读错单位
❌ 读错单位
⚠️ 部分正确
电话号码
✅ 分段清晰
❌ 连读错误
❌ 连读错误
⚠️ 部分正确
本地延迟
~50ms
N/A（需网络）
N/A（需网络）
~2000ms
CPU 占用
低
-
-
极高
离线支持
✅ 完全离线
❌ 需联网
❌ 需联网
✅ 但慢
关键优势：在 真实世界复杂文本 处理上碾压云端方案
典型应用场景个人生产力网页朗读：TLDRL Chrome 插件，整页转语音 <1 秒电子书听读：Onyx Boox 电子书阅读器离线 TTS笔记转音频：Obsidian/Logseq 笔记一键朗读AI Agent 集成本地语音助手：配合 OpenHuman/Hermes 实现完全离线语音交互多语言客服：31 种语言支持，无需云端 API无障碍应用：视障用户本地化语音反馈企业部署数据隐私敏感场景：医疗、金融、政府等不能外传数据的行业边缘计算：工厂、车载、IoT 设备上的语音播报成本控制：避免云端 TTS 按字符计费的高昂成本当前局限文档分散：各语言 SDK 示例分散在子目录，需要手动查找音色固定：目前只有预设音色（M1-M5, F1-F5），自定义音色需 Voice Builder（付费）中文表现：虽然支持中文，但相比专门的中文 TTS（如 Azure 中文）可能略逊一筹Supertonic 代表了 TTS 技术的重要趋势：
从"云端依赖"转向"本地优先"，从"实验室完美样本"转向"真实世界复杂文本"
随着 ONNX Runtime 生态的完善和模型压缩技术的进步，高质量本地 TTS 将成为标配，而非奢侈品。
项目地址：https://github.com/supertone-inc/supertonic Hugging Face：Supertone/supertonic-3