企业官网建设流程全解析

sanoTTS（尼泊尔语中 sano 意为"小"）是一款开源的零云端文本转语音（TTS）引擎：仅 294k 到 2.3M 参数的微型神经网络，支持 16 种语言的 30 个声音，能在约 3 美元的芯片上实时运行，也能直接在浏览器里合成语音——全程离线，无需云端服务，无需 API 密钥。

一、先搞懂：离线语音到底解决什么问题

云端 TTS 有四个绕不开的成本，而离线 TTS 全部归零：

更关键的是，sanoTTS 不是"压缩版的云端模型"，而是一套用 C99 写的、连 NPU 都不需要的完整推理栈（README.md）。下面这 5 个场景，是它最实用的落地位置。

二、场景1：🏠 家庭自动化——全屋语音不再出门

在 Home Assistant 中，sanoTTS 是一个本地 TTS 引擎：直接装在 Home Assistant 主机上，无云、无 API key，甚至不需要单独的附加组件容器。

• 完整接入 Assist 语音助手，也可在自动化里调用tts.speak
• 流式朗读：大模型每写完一句话就开始播报，首音延迟仅 0.03 秒
• 单个声音仅 2–3 MB，纯 numpy 推理，无 PyTorch，低端主机也能跑

细节见 custom_components/sanotts/README.md。对"家里断网了门铃报警还播报"这类需求，它就是刚需。

三、场景2：💻 3 美元芯片开口说话——ESP32-S3 硬件 DIY

这是 sanoTTS 最出圈的能力：一块 ESP32-S3 开发板 + 一个小喇叭，就是一台离线语音合成器。

官方独立固件（mcu/ports/esp32s3/README.md）的实测数据：

• 实测 RTF 0.383，即比实时快 2.6 倍；普通标量 C 也能跑，只是偏慢
• 板上集成 espeak-ng 做文字→音素转换，整条链路不出芯片
• 硬件极简：GPIO → LM386 功放 → 8Ω 喇叭
• 想更快上手的话，Arduino / PlatformIO 库（arduino/README.md）打包好了 567k 参数 int8 引擎，克隆仓库即可使用：

git clone https://gitcode.com/gh_mirrors/sa/sanoTTS

其他芯片的支持情况与移植方法，完整清单在 docs/mcu-classes-and-porting.md。

四、场景3：🌐 浏览器里的即时 TTS——WebAssembly 零服务器

把 TTS 放进网页，传统做法是转发到后端 API。sanoTTS 的 web/ 演示把整条链路编译成 WebAssembly，在访客浏览器里本地运行：

• 打字、合成、播放全部 client-side，服务器只提供静态文件
• heartnano声音在 M 系列 Mac 的无头浏览器里，4.2 秒语音只需51 ms渲染
• 集成到自己的站点只需拷几个静态文件，或通过npm install sanotts-web接入

整条流水线就是图中这条链路：文字 → 音素 ID → 时长模型 → 声学模型 → 解码器 → 22 kHz 音频。无论跑在芯片还是浏览器上，架构完全一致——这也是它能"处处离线"的根本原因。

五、场景4：🔒 隐私敏感环境——数据永不离机

医疗终端、工控面板、内网系统、企业演示机……凡是"数据不能出内网"的场景，云端 TTS 直接出局，而离线文本转语音就是唯一解：

• 推理完全本地，没有任何回调、遥测或回传
• Python 包支持指定本地声音目录，装完后零网络访问（pypkg/sanotts/voicepack.py）
• 推理运行时为 MIT 许可，可嵌入闭源产品（见 LICENSE.MIT）

六、场景5：⚡ 低配设备与旧硬件——没有 GPU 照样流畅

很多人以为"神经网络语音"需要 GPU 或 NPU，其实不然。sanoTTS 的设计目标就是无云端、无 NPU：

• 最小声音heart-nano仅294k 参数、337 KB（int8），比一张手机壁纸还小
• Python 端纯 numpy 推理：pip install sanotts后sanotts say "Hello" --voice amy -o hello.wav即出 wav
• 在 Home Assistant Core、树莓派、旧笔记本上都能流畅运行，这也是它在 15M 参数以下级别 自然度（SCOREQ/UTMOS）领先同级开源 TTS 的原因

七、30 个声音、16 种语言：支持一览

完整评分与错误率数据见 README.md 中的表格；各语言声音的浏览器元数据在 web/voices/ 下，例如 web/voices/amy/meta.json。

八、写在最后

离线语音不是"功能降级"，而是一种能力自由：断网能说话、数据不出门、成本一次到位、从 3 美元芯片到浏览器通吃。

sanoTTS 用最小的模型证明了：微型神经 TTS 足够好用到覆盖真实场景。如果你想亲自验证，克隆仓库后从浏览器演示或pip install sanotts开始，十分钟就能听到第一个"本地合成"的声音。