谁说小模型就不能有好音质？2024年，轻量化TTS已经卷到了100MB以内，而且自然度完全够用。

首推VITS-Tiny，仅45MB。 这是VITS的精简直属版本，去掉了冗余的后验编码器，用流式推理替代全句生成，中文自然度依然能打8分以上。骁龙8Gen2实测推理延迟仅65ms，完全满足实时对话需求。

次推Fish Speech 1.5，约80MB。 2024年最大黑马，中文韵律感远超同体量模型，支持情感控制和多语种混输。最关键的是它原生支持16kHz采样，音质细腻度吊打同级别选手。

再推Edge-TTS，仅30MB。 专为IoT设计，牺牲了部分自然度换取极致速度，推理延迟低至30ms，适合智能音箱、车载播报等对速度敏感的场景。

量化是关键武器。 任何模型经INT8量化后体积直接砍半，配合TensorRT或ONNX Runtime加速，CPU端也能跑出80ms以内的延迟。实测VITS-Tiny经INT8量化后，音质损失不到5%，体积从45MB压至22MB。

100MB以内，自然流畅，离线可用——轻量化TTS已经不是妥协，而是最优解。