---
title: "🧪 18MB跑出70倍實時：TTS模型tiny-voca免GPU｜地端 AI 實驗室"
description: "2026年11月16日的地端模型雷達挖到一個狠角色：tiny-voca只有18.2MB，官方說在CPU上能跑到70倍實時，完全不用GPU。另一個主角是12B參數的FLUX.1-schnell，用Apache-2.0授權開放商用與LoRA訓練，等一下告訴你這兩個該怎麼挑著用。"
canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-16"
author: "Mark Ku"
author_url: "https://blog.markkulab.net/author/mark-ku"
site: "Mark Ku's Blog"
date_published: "2026-11-16T02:00:00.000Z"
category: "地端 AI 實驗室"
tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "tiny-voca", "FLUX.1-schnell", "TTS語音模型", "生圖模型", "LoRA訓練", "ApacheLicense"]
language: "zh-TW"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
attribution: "轉載或引用請註明作者並附上原文連結"
---

# 🧪 18MB跑出70倍實時：TTS模型tiny-voca免GPU｜地端 AI 實驗室

## 開場白

2026年11月16日的地端模型雷達挖到一個狠角色：tiny-voca只有18.2MB，官方說在CPU上能跑到70倍實時，完全不用GPU。另一個主角是12B參數的FLUX.1-schnell，用Apache-2.0授權開放商用與LoRA訓練，等一下告訴你這兩個該怎麼挑著用。

## 本期精選

### 1. tiny-voca：小到可以直接塞進 repo 的語音模型

- **這是什麼**：n4ze3m/tiny-voca 是一個文字轉語音（TTS）模型，只有4.5M參數，權重檔案極小，授權是Apache-2.0，個人與商業用途都不受限。對比動輒幾百MB起跳的TTS模型，這顆算是異類的輕量級。

- **能用在哪些場景**：
  - 手上在做瀏覽器端小工具或Edge／IoT裝置，想加語音回饋功能，但又不想因為掛一台GPU伺服器而讓整個部署變複雜，這個模型小到可以直接嵌進repo裡一起打包出貨，而且授權是Apache-2.0，不用擔心商用卡關。
  - 自己做Side Project想加個英文語音提醒或播報功能，例如計時器唸出「time's up」或小機器人回話，用一個不到20MB、不需要跑在雲端的模型就能解決，不用為了一個小功能額外租GPU機器。
  - 要比較市面上不同TTS模型的品質時，手邊需要一個輕量baseline，這顆因為有公開可查的WER排名，拿來當對照組比自己隨便找的小模型有說服力。

- **跑得動嗎**：官方model card標示「在四個CPU執行緒上大約能跑到70倍實時」（原文：runs about 70x faster than real time on four CPU threads），不需要GPU；模型檔案僅18.2MB（PyTorch格式）或21.4MB（ONNX格式），可用格式還包含gguf，不管是要跑PyTorch、ONNX Runtime還是其他輕量推論環境，都有對應格式可選。

- **本期聲量**：HF熱度135，860次下載，143個讚。數字不算驚人，但對一個發布不久、4.5M參數的小模型來說，已經有一群人在用。

- **跟同類比**：根據Open TTS Leaderboard（2026年11月）的測試，tiny-voca的M2聲音「目前在平均WER排名第8」，F2聲音「排名第13」。在4.5M參數這個量級的模型裡，少見有公開第三方評測排名可查證，而不是模型自己說自己好。

- **怎麼取得**：官方提供安裝指令 `pip install git+https://github.com/n4ze3m/dizione git+https://github.com/n4ze3m/tiny-voca`，之後執行 `python -m tiny_voca.infer --checkpoint tiny-voca/tiny-voca.pt --voice F2 --text "Hello"` 就能生成語音；也有ONNX版本可用onnxruntime載入。

- **連結**：[huggingface.co/n4ze3m/tiny-voca](https://huggingface.co/n4ze3m/tiny-voca)

### 2. FLUX.1-schnell：免授權煩惱的生圖與LoRA訓練基底

- **這是什麼**：black-forest-labs/FLUX.1-schnell 是一個12B參數的修正流變換器（rectified flow transformer）生圖模型，用Apache-2.0授權開放。官方說明這是用潛在對抗擴散蒸餾（latent adversarial diffusion distillation）訓練而成，能在1到4個推論步驟內生成圖像，比傳統diffusion模型動輒20到50步快上不少。

- **能用在哪些場景**：
  - 想在自己機器上架生圖服務，不管是用本機ComfyUI還是自己寫pipeline，又不想因為授權條款被卡住，Apache-2.0的schnell版本個人跟商業用途都不受限，直接拿來當底層模型用。
  - 想練自己的風格LoRA，例如公司品牌視覺或特定插畫風格，FLUX.1-schnell是目前社群最常拿來訓練LoRA的免費基底之一，找現成的訓練教學和社群資源相對容易。
  - 需要快速出圖原型，例如在設計評審前先丟幾張概念圖給同事參考，不想等傳統diffusion模型跑完整套步驟，官方範例只要設定 `num_inference_steps=4` 就能出圖，等待時間短很多。

- **跑得動嗎**：官方model card並未標示明確的VRAM門檻，但Diffusers官方範例提供 `enable_model_cpu_offload()` 選項，讓使用者「透過將模型卸載到CPU來節省VRAM」，可以推測官方也預期這顆會在資源有限的環境下被使用，但具體要多少顯示記憶體才跑得順，官方沒有寫清楚。可用格式是safetensors。

- **本期聲量**：HF熱度55，280.1k次下載，6.8k個讚。下載量在這批選題裡算是數字很扎實的一個。

- **跟同類比**：官方說明這顆是用潛在對抗擴散蒸餾訓練而成，能在1到4個推論步驟內生成圖像，model card自述效能「達到閉源替代方案的性能」等級，但沒有直接列出跟FLUX.1-dev或SDXL的benchmark數字對比，所以這部分只能參考官方的文字描述，沒有量化的對照表。

- **怎麼取得**：官方範例用Diffusers載入：`from diffusers import FluxPipeline` 搭配 `FluxPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", torch_dtype=torch.bfloat16)`，呼叫時帶 `num_inference_steps=4, guidance_scale=0.0` 就能生圖。

- **連結**：[huggingface.co/black-forest-labs/FLUX.1-schnell](https://huggingface.co/black-forest-labs/FLUX.1-schnell)

## 結尾段落

這集兩個選題剛好站在地端生態的兩端：tiny-voca用極小體積證明語音模型不一定要吃GPU，FLUX.1-schnell則是用寬鬆授權讓生圖與LoRA訓練不被卡關。如果你手上只有一台沒GPU的筆電，tiny-voca可以先試；如果你有張顯卡又想練自己的風格LoRA，FLUX.1-schnell值得列入候選名單。明天同一時間，我們繼續在地端模型堆裡挖寶，下集見。

---

## 關於本文與作者

本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-16)

授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結

### 關於作者

**[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師

- 10 年以上軟體工程師
- 做過北美電商與 AI SaaS 訂閱收費系統

### 作者開發的免費工具

以下工具皆可免費使用：

- [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。
- [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。
- [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。
- [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。
- [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 <MermaidViewer> 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。
- [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。
- [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。
- [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。
- [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。
- [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。
- [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。
- [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。
- [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。
- [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。
- [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): 網站上線了，漏洞、憑證與安全設定誰來檢查？ai-security-monitor 用自架 Security Hub 集中網站掃描與主機監控，合併重複發現、比對修補前後，讓你知道哪些問題還沒處理。

### 每日 Podcast

- [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml
- [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml
- [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml
- [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml
- [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml
- [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml
- [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml
- [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml

### 電子報

[訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。
