TTS 架构的六代演进(六):第 6 代 · 端侧轻量化本篇是「TTS 架构的六代演进」系列第 6 篇。第 5 代(VALL-E / XTTS-v2 / F5-TTS 等)拿到了零样本音色克隆能力,代价是模型 GB 级、GPU 依赖、100 ms+ 首包延迟——手机 / 耳机 / 车载 / IVR 这些 CPU-only + 低延迟场景全线不友好。第 6 代(2023-)的目标是压回 100 MB 以下、CPU 实时、几十 ms 首包——放弃零样本换回质量密度和部署可行性。Kokoro-82M(hexgrad 2024,https://huggingface.