NVIDIAグラフィックカードを搭載していないデバイスでは、以下の方法で音声生成速度を最適化できます：
- 軽量モデルを好むKitten-TTSのコアモデルはわずか25MBで、デフォルトの設定はCPUに最適化されています。
- チャンキングパラメータの合理的な設定長文を処理する場合は、チャンクサイズを300～500文字に調整し、1回の処理にかかる負担を軽減することをお勧めします。
- リアルタイム波形表示をオフにするconfig.yamlで設定
ui.show_waveform: falseCPU負荷の軽減 - Dockerによるデプロイメント使用
docker-compose-cpu.ymlメモリ管理パラメータを含む、事前に定義された最適化された構成 - ハードウェア・ベースのアップグレードAVX命令セットに対応したCPUの使用を推奨し、処理速度を約40%向上させることができます。
これらの調整により、Raspberry Piのような組み込み機器でも、毎分約500ワードの安定した生成速度を達成することができる。
この答えは記事から得たものである。Kitten-TTS-Server: セルフデプロイ可能な軽量音声合成サービスについて
