MOSS-TTS-Nano
OpenMOSS
0.1B mehrsprachiges TTS mit Zero-Shot-Voice-Cloning, das in Echtzeit auf einer CPU läuft, voll offene Weights.
Was ist MOSS-TTS-Nano?
Ein mehrsprachiges Text-to-Speech-Modell mit 0,1B Parametern (Audio-Tokenizer plus kleines LLM), das Zero-Shot-Voice-Cloning über 20 Sprachen inklusive Deutsch macht, mit nativem 48-kHz-Output. Es ist auf latenzarme, CPU-only Echtzeit-Synthese ausgelegt und bringt offene Weights, vollen Inference-Code, einen ONNX-CPU-Build, ein Android-Beispiel und einen Browser-Extension-Reader, vom OpenMOSS-Team (Fudan/SII).
Vor- & Nachteile
Pros
- Wirklich winzig mit 0,1B und in Echtzeit CPU-fähig, keine GPU nötig
- Voll OSI-open Apache-2.0 auf Code und Weights, kommerziell sicher
- 20-Sprachen-Abdeckung plus ONNX-, Android- und Browser-Deployment und veröffentlichter Finetuning-Code
Cons
- 0,1B tauscht Klangtreue gegen Größe; das 8B-MOSS-TTS-Flagschiff ist die Qualitäts-Tier
- Der README-Lizenz-Abschnitt zeigt trotz der Apache-LICENSE-Datei weiter widersprüchliche, veraltete Formulierungen
- Sehr jung (April 2026), Langzeit-Pflege und Qualität im großen Maßstab sind unbewiesen
Lizenz
Apache-2.0 (OSI-open) - Modell-Lizenz: Apache-2.0
Sowohl Code als auch Modell-Weights sind Apache-2.0 (geprüft gegen die veröffentlichte LICENSE-Datei und die Hugging-Face-Card); der README-Lizenz-Abschnitt traegt noch veraltete bedingte Formulierungen, die die Apache-2.0-LICENSE ablöst.
Wann interessant
On-Device, offline, latenzarme mehrsprachige TTS und Voice-Cloning auf gewöhnlichen CPUs (Mobile, Edge, Browser).
Wann zu früh
wenn du Studio-Spitzenqualität oder Produktionsstabilität brauchst; das größere MOSS-TTS oder eine gehostete API passt besser.
Kommerzielle Alternative & Verwandtes
- Kommerzielles Pendant: ElevenLabs
Dieses Repo war in der Ausgabe 2026-07 des Open-Source-KI-Radars.
voicebox
jamiepine
Kostenlose, lokale Alternative zu ElevenLabs für TTS, Voice Cloning und Diktieren mit Agent-Integration.
VoxCPM
OpenBMB
Tokenizer-freies TTS-System von OpenBMB für 30 Sprachen mit Voice Design und Echtzeit-Streaming.
Chatterbox
resemble-ai
MIT-lizenziertes offenes TTS mit Zero-Shot Voice Cloning - 500M Parameter, 23+ Sprachen.