Inflect Mini v3

Inflect Mini v3

在你自己的电脑上把英文文字转成语音，有六个预设声音，可在 CPU 或 CUDA 上运行。适合想要小型本地文字转语音模型的开发者和创作者。

由 owensong 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Inflect Mini v3 是 owensong 推出的小型英文文字转语音模型，核心参数 34.31M。它有六个预设声音，原生采样率 24 kHz，还有可选的紧凑型 48 kHz 增强。装好之后，语音在你自己的机器上生成。

适合谁：它适合想用紧凑模型在本地生成英文语音、并在 CPU 或 CUDA GPU 上运行的人。

Industry | Who uses it | How they use it | Example
软件开发 | 给工具加入语音输出的开发者 | 用某个预设声音运行语音命令 | 开发者为每条消息写出一个 WAV 文件
内容创作 | 视频和音频创作者 | 用 Mark 或 Cassidy 这样的声音生成旁白 | 创作者在本地做出配音初稿
教育 | 教师和课程制作者 | 用 James 或 Hope 读解释和操作说明 | 课程制作者为课程步骤做音频

需要英文以外语言的人可以跳过它，因为记录里只列了英文。

用在哪里：它在你自己电脑上的 Python 环境里运行。

• Windows、macOS 或 Linux：用 Python 和 Hugging Face 工具下载软件包
• CPU：快速开始里的默认路线
• CUDA GPU：另一套依赖方案，再加一个设备参数

Use case | Who | What they get back
语音输出 | 开发者 | 工具每说一条消息，就得到一个 WAV 文件
旁白初稿 | 视频和故事创作者 | 一段可以审听的本地配音
课程音频 | 教育工作者和课程制作者 | 被朗读出来的操作说明和讲解

如何设置：先准备好下面几样东西。

• 在下载的软件包之外，一个全新的 Python 3.12 环境
• huggingface-hub 包，版本固定为下面命令里的版本
• 一个 CPU，或一块有自己依赖文件的 CUDA GPU
• 一个存放环境文件、配置和生成音频的文件夹，放在下载内容之外

1. 在下载文件夹以外的地方，建一个干净的 Python 3.12 环境。
2. 安装 huggingface-hub。
3. 把整个仓库下载到 inflect-mini-v3，而不只是权重文件。
4. 进入该文件夹，运行 verify_release.py。
5. 安装 CPU 依赖。
6. 用一个声音和你的文字运行语音命令。

python -m pip install huggingface-hub==0.36.2
hf download owensong/Inflect-Mini-v3 --local-dir inflect-mini-v3
cd inflect-mini-v3
python verify_release.py
python -m pip install -r core/requirements-cpu.txt
python run.py speech --voice cassidy --text "A small idea can become something worth hearing." --subtype PCM_16 --output ../mini-cassidy.wav

如何使用：你用一个声音名称、你的文字和一个输出文件来运行语音命令。给输出文件起一个新名字，保存在软件包旁边或上一级，而不是包里面，并确保它所在的文件夹已存在。使用 CUDA GPU 时，改从 core/requirements-cuda.txt 安装，并加上 --device cuda 参数。

Title: 预设声音和模型卡里对应的示例
Voice | Sample type
cassidy | 对话
mark | 旁白
hope | 操作说明
james | 讲解
sophia | 日常说话
jasper | 没有展示示例

Tool | What it does
run.py speech | 用你选的声音把文字变成语音
verify_release.py | 在安装其他东西之前，检查下载的软件包
core/requirements-cpu.txt | 列出在 CPU 上运行所需的依赖
core/requirements-cuda.txt | 列出在 CUDA GPU 上运行所需的依赖

示例：你用声音 mark 和你自己的文字“The meeting moves to Friday at noon.”运行语音命令，并把输出文件命名为 notice.wav。你会得到一个同名的原生 24 kHz PCM16 文件，音频由你的 CPU 生成。

新手与专家：这是一个小程序，在你自己的电脑上用六个声音之一朗读英文文字。你的第一小步是照着快速开始操作，试一试 Cassidy 和 Mark，这是模型卡建议先试的两个声音。

模型的核心参数为 34.31M，原生采样率 24 kHz，还有可选的紧凑型 48 kHz 增强。模型卡里的声音样本是没有增强的普通 Mini 输出。verify_release.py 脚本会在使用前检查软件包。安装时可能会下载依赖，之后语音生成都在本地进行。

选一个预设声音并写下你的文字
run.py speech 在 CPU 或 CUDA 上生成音频
原生 24 kHz 语音保存为 WAV 文件
之后可以接上可选的 48 kHz 增强

注意事项：

• 模型卡还列出了一个基于参考声音做适配的 Voice Tuner。只能用于你有权使用的声音。
• 模型卡上每个样本读的是不同的段落，所以各个声音不是在同一段文字上对比的。
• CPU 和 CUDA 用不同的依赖方案，请安装与你的环境匹配的那一种。
• License: Apache 2.0，按 Hugging Face 的记录。
• Cost to run: 来源未提及，没有提到 API 密钥、账号或付费服务。
• Data it reaches: 安装时可能会下载依赖，它会写出你指定名字的音频文件。安装之后，生成在本地运行。
• Not for: 英文以外的语言，或克隆你无权使用的声音。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 最近 30 天下载：86
• 点赞：21
• 许可证：apache-2.0
• 语言：en
• 标签：inflect, text-to-speech, english, multi-speaker, local-inference

链接

• 模型：https://huggingface.co/owensong/Inflect-Mini-v3
• 文件：https://huggingface.co/owensong/Inflect-Mini-v3/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download owensong/Inflect-Mini-v3

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。