Пользователь Reddit выложил в открытый доступ sanoTTS — нейросеть для синтеза речи, которая работает на ESP32 стоимостью $3. Модель с 294 000 параметров генерирует аудио в реальном времени. Главное: • 4.13 балла SCOREQ — выше, чем у Inflect Nano и KittenTTS • 0.225 RTF на ESP32: 4 секунды аудио за 1 секунду • 337 КБ после int8-квантования • 1000x меньше Kokoro, 9000x меньше Voxtral • ~2% WER на Whisper, 6 языков • Работает в браузере через WebAssembly Все метрики — автор выложил их сам, без независимой проверки. Неясно, насколько итоговое качество хуже крупных моделей. Что это значит: нейросетевой синтез речи теперь можно встроить в ультрадешёвое железо — на микроконтроллер за несколько долларов.