发生了什么
- 专注于打造可在设备本地运行的模型的初创公司Underdog推出了Woof，一个31.7 MB的文本转语音模型。TechCrunch于2026年11月6日报道了此事。
- 公司用一款以复古风格房间为背景的游戏进行演示，房间里有打字机、CRT显示器和台灯。用户在键盘上输入的内容，由模型朗读出来。
- 据该公司称，这个模型有3100万个参数，无需联网即可在大多数设备上运行，而且是开放的：任何人都可以下载。
- 这次演示是在Bark之后几周进行的。Bark是一个167 MB的语音转文本模型，同样为设备端运行而设计。
为什么重要
- 大模型的竞赛需要大量算力。另一条平行的路线，即小模型，则试图让AI在手机和电脑上运行，而不必把数据发送到云端。
- 一个能装进浏览器标签页的语音模型，可以带来本地体验：助手、文本朗读器或个性化播客，中间不需要服务器。
- TechCrunch提醒说，这样小的模型多半取代不了大模型，但对这些用途可能已经够用。
关键数字
31.7 MB。 这就是Woof的大小，小到游戏可以在浏览器里运行。据Underdog称，游戏中的所有声音都由模型自己生成。
背景
Underdog创始人Sigil Wen对TechCrunch说，他开始做这款应用，是因为他不想使用Granola这类会议纪要工具，而是想用能在设备上运行的模型自己搭建一套系统，把数据留在用户手里。
“我认为，在几个月内，我们就能在你已有的设备上运行当今大多数能力强大的模型，”Wen说。这是创始人的预测，不是实测结果。该公司还发布了一个可在笔记本电脑上运行的270亿参数模型，以及一款处于候补名单阶段的应用，并把它定位为Muse和Instinct的本地替代品。
把已经演示的内容和只是承诺的内容区分开来会有帮助：今天能够验证的，是模型的大小和它在浏览器中运行。与其他开放方案相比，这个声音的质量如何，TechCrunch的文章并未衡量。
在相关话题上，Mamífero 还发布过：Phonon离线生成语音，仅75 MB；英伟达把Nemotron 3.5 Transcribe作为开放模型发布；Recursive发布Flint，一个可在笔记本电脑上运行的编程模型；A5提出一款能记住你上下文的桌面助手。
接下来
- 目前仍缺少把Woof的质量与其他开放语音模型相比较的独立评测。
- 该公司的本地应用仍在候补名单阶段。
- 如果Wen的预测成立，几个月内，能力强大的模型将不再依赖服务器。
一句话总结
一个32 MB的语音模型可以装进浏览器标签页，不联网也能工作。决定它有用与否的，不是体积，而是它与云端模型相比听起来有多好。
来源
- TechCrunch，“Underdog shows off a 32MB speech model in new demo”，2026年11月6日，链接。
- 封面图片：পাপৰি বৰা，CC BY-SA 4.0，来自 Wikimedia Commons
编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。
