Воспроизводимые тесты синтеза речи в браузере
Цифры производителей обычно получены на чужом оборудовании. Здесь одним нажатием все модели читают одинаковый текст на вашем устройстве с замером в реальном времени. Ниже — ориентиры.
Отсутствующие модели скачиваются один раз и кешируются. Крупные модели не выбраны: отметьте их, чтобы включить загрузку в тест. Все читают одни и те же два предложения стандартным голосом.
Ориентировочные результаты
Публичные демо, замеры разработчиков и наши тесты. Чем ниже RTF, тем быстрее; 1,0 — реальное время. Проверено в июле 2026.
| Модель | Оборудование / среда | RTF | Источник |
|---|---|---|---|
| Kokoro-82M | M2 MacBook Air (WebGPU, fp32) | 0.2–0.4 | Демонстрация webml-community, 2026 |
| Kokoro-82M | Ноутбук x86 среднего класса (WASM q8, 1 поток) | ≈1.1 | Отчёты сообщества kokoro-js, 2025 |
| Piper (голос среднего качества) | Ноутбук x86 среднего класса (WASM) | ≈0.11 | Замеры sherpa-onnx / piper, 2025 |
| KittenTTS Nano | Ноутбук Core i7 (WASM int8) | ≈0.4 | Трекер ошибок KittenML, 2026 |
| Kyutai Pocket TTS | Apple M4 (WASM, потоковая генерация) | ≈0.17 (6× RT) | Примечания к выпуску Kyutai, январь 2026 |
| Chatterbox 0.5B | Настольная видеокарта класса RTX (WebGPU q4) | ≈1.0 | Демонстрация Resemble AI transformers.js, 2026 |
Методика
- Фиксированный текст: около 220 символов, два предложения, стандартный голос каждой модели.
- Время — от токенизации до готового аудиобуфера, без загрузки. Первый запуск с загрузкой отмечен *.
- По устройству: WebGPU с Kokoro fp32, иначе WebAssembly q8/int8.
- RTF = время генерации ÷ длительность аудио.
- Всё выполняется на вашем устройстве. Результаты остаются у вас и никуда не отправляются.
Размер загрузки и требования указаны на страницах моделей: 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).
Частые вопросы
Что такое RTF — коэффициент реального времени?
Время генерации, делённое на длительность аудио. RTF 0,5 означает: 10-секундный клип создан за 5 секунд, вдвое быстрее реального времени. Ниже 1,0 — быстрее, выше — придётся ждать.
Почему мои результаты отличаются от таблицы?
Так и должно быть. Скорость зависит от CPU/GPU, версии браузера, наличия WebGPU, температуры и того, работала ли модель на GPU или через WASM. В таблице указано её оборудование, в вашем тесте — ваше.
Честно ли тест сравнивает модели?
Каждая модель читает одни и те же два предложения голосом по умолчанию. Первая загрузка помечена * отдельно, чтобы не смешивать холодный и повторный запуск. Это тест скорости, не качества: оценивайте и на слух.
Отправляет ли тест мои результаты куда-либо?
Нет. Результаты отображаются локально; для отправки есть кнопка копирования. Ничего не собирается.