NeuTTS Air

NeuTTS Air vom britischen Startup Neuphonic ist ein Sprachmodell für Text-to-Speech, das komplett lokal und in Echtzeit auf normalen CPUs läuft — ein Novum in dieser Qualitätsklasse. Das Modell kombiniert ein 748M-Parameter-Backbone (Qwen-Architektur, 0.5B-Klasse) mit Neuphonics eigenem NeuCodec-Audiocodec, der mit nur 0,8 kbps arbeitet und 24-kHz-Ausgabe liefert. Das Highlight ist Instant Voice Cloning: Bereits etwa 3 Sekunden Referenzaudio genügen, um eine Stimme zu klonen und beliebige Texte in diesem Stil zu synthetisieren.

Die lokale Nutzung ist vorbildlich einfach: Offizielle GGUF-Quantisierungen (Q4 und Q8) laufen über llama.cpp bzw. llama-cpp-python ohne jede Cloud-Anbindung — perfekt für datenschutzsensible Anwendungen, Voice-Agents und Embedded-Geräte. Ein Gaming-PC ist nicht nötig, 4 GB RAM reichen aus.

Die Apache-2.0-Lizenz erlaubt uneingeschränkte kommerzielle Nutzung. Einschränkungen: Der Fokus liegt auf Englisch, deutsche Synthese ist nicht die Stärke des Modells, und als reines TTS-System beherrscht es weder Chat noch andere Textaufgaben. Für On-Device-Sprachausgabe derzeit eine der besten offenen Optionen.