Ito: синтез речи на ESP32-S3 в 4,89 МБ на голос

Lokutor выпустила движок синтеза речи Ito для ESP32-S3: 4,05 млн параметров, 4,89 МБ весов на голос, 24 кГц на целочисленной арифметике. Прошивка проверена в эмуляторе QEMU Espressif, на реальной плате запусков ещё не было.

• 4,05 млн параметров, 4,89 МБ весов на один английский голос
• Синтез 24 кГц на целочисленной арифметике, целевой чип 240 МГц без NPU
• QEMU даёт PCM, побитово совпадающий с хост-движком
• Оценки RTF 0,53–1,27; первый звук — 137–318 мс