一、教程简介

NeuTTS-Air 是 Neuphonic 公司于 2025 年 10 月发布的端到端语音合成模型 (TTS) 。基于 0.5B Qwen LLM 主干和 NeuCodec 音频编解码器，它在 on-device 部署和即时语音克隆上展现少样本学习能力。系统评估显示，NeuTTS Air 在开源模型中达到 SOTA 水平，尤其在超真实合成和实时推理基准上。它还能泛化到嵌入式代理和风格迁移等新场景，支持 3 秒音频克隆，并生成自然对话内容。后训练引入 GGML/ONNX 支持和水印机制，在 on-device TTS 和功耗优化评测中领先开源领域，部分场景媲美闭源模型。

本教程采用资源为 CPU，模型仅支持英文，合成一条语音约需半分钟以上的时间，如果想体验更快的处理速度，可以使用单卡 RTX 5090 克隆教程「NeuTTS-Air: 轻量高效语音克隆模型」。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

2. 进入网页后，即可使用模型

若显示「Bad Gateway」，这表示代码正在后台执行，请等待约 2-3 分钟后刷新页面。

使用 Safari 浏览器时，音频可能无法直接播放，需要下载后进行播放。

使用步骤

输入音频长度最小为 3 秒，推荐为 3 至 15 秒  输出音频长度最大约为 30 秒 

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓