Powtarzalne testy TTS w przeglądarce
Producenci zwykle mierzą na innym sprzęcie. Tutaj jednym kliknięciem każdy model czyta ten sam tekst na Twoim urządzeniu, z pomiarem na żywo. Poniżej wyniki referencyjne.
Brakujące modele pobierają się raz i zostają w pamięci. Duże nie są zaznaczone: wybierz je, aby uwzględnić pobieranie. Każdy czyta stałe dwa zdania domyślnym głosem.
Wyniki referencyjne
Publiczne dema, pomiary twórców i nasze testy. Niższe RTF to szybciej; 1,0 = czas rzeczywisty. Sprawdzono w lipcu 2026.
| Model | Sprzęt / środowisko | RTF | Źródło |
|---|---|---|---|
| Kokoro-82M | M2 MacBook Air (WebGPU, fp32) | 0.2–0.4 | Demo webml-community, 2026 |
| Kokoro-82M | Laptop x86 średniej klasy (WASM q8, 1 wątek) | ≈1.1 | Raporty społeczności kokoro-js, 2025 |
| Piper (głos średniej jakości) | Laptop x86 średniej klasy (WASM) | ≈0.11 | Pomiary sherpa-onnx / piper, 2025 |
| KittenTTS Nano | Laptop Core i7 (WASM int8) | ≈0.4 | Zgłoszenia błędów KittenML, 2026 |
| Kyutai Pocket TTS | Apple M4 (WASM, strumieniowanie) | ≈0.17 (6× RT) | Informacje o wydaniu Kyutai, styczeń 2026 |
| Chatterbox 0.5B | Karta graficzna klasy RTX do komputera stacjonarnego (WebGPU q4) | ≈1.0 | Demo Resemble AI transformers.js, 2026 |
Metodologia
- Stały tekst: około 220 znaków, dwa zdania, domyślny głos każdego modelu.
- Pomiar od tokenizacji do gotowego bufora audio, bez pobierania. Pierwsze uruchomienia z pobieraniem oznaczono *.
- Zależnie od sprzętu: WebGPU z Kokoro fp32, inaczej WebAssembly q8/int8.
- RTF = czas generowania ÷ długość audio.
- Wszystko działa na urządzeniu. Wyniki należą do Ciebie i nie są wysyłane.
Rozmiary pobierania i wymagania znajdziesz na stronie każdego modelu: Kokoro-82M, Piper, KittenTTS Nano, Kyutai Pocket TTS, Supertonic-3, Chatterbox, MOSS-TTS-Nano, Chatterbox Multilingual, OuteTTS-1.0 (0.6B), Orpheus-3B, MOSS-TTS (8.5B).
Częste pytania
Co to RTF (współczynnik czasu rzeczywistego)?
Czas generowania podzielony przez długość audio. RTF 0,5 oznacza 10 sekund dźwięku w 5 sekund, czyli 2× szybciej. Poniżej 1,0 jest szybciej niż czas rzeczywisty; powyżej czekasz.
Dlaczego moje wyniki różnią się od tabeli?
Taki jest cel. Szybkość zależy od CPU/GPU, wersji przeglądarki, dostępności WebGPU, temperatury oraz wykonania na GPU lub WASM. Referencje podają swój sprzęt, twój test podaje twój.
Czy test porównuje modele sprawiedliwie?
Każdy model czyta te same dwa zdania domyślnym głosem. Pierwsze pobieranie oznaczamy *, by oddzielić zimne i ciepłe uruchomienia. To test przepustowości, nie jakości — posłuchaj też samodzielnie.
Czy test gdzieś wysyła moje wyniki?
Nie. Wyniki są wyświetlane lokalnie, a przycisk kopiowania pozwala je udostępnić. Niczego nie zbieramy.