Was ist NeuTTS (Air, Nano, 2E)?
NeuTTS ist eine Familie kleiner Text-to-Speech-Modelle von Neuphonic, gebaut für den Betrieb auf dem Gerät statt in der Cloud. NeuTTS Air, veröffentlicht im Oktober 2025, hat etwa 360 Millionen aktive Parameter (552 Millionen mit Embeddings) und spricht Englisch. NeuTTS Nano mit etwa 120 Millionen aktiven Parametern gibt es in Englisch, Französisch, Deutsch und Spanisch. NeuTTS-2E, erschienen im Juli 2026, bringt sechs Emotionen mit vier festen englischen Stimmen und ohne Klonen.
Jedes Modell kombiniert ein kleines Sprachmodell mit Neuphonics Audio-Codec NeuCodec und wird als Q8- und Q4-GGUF für llama.cpp ausgeliefert. Air und Nano klonen eine Stimme aus etwa 3 Sekunden sauberem Audio. Jede Ausgabe trägt standardmäßig das Perth-Wasserzeichen. Air steht unter Apache 2.0; Nano und 2E nutzen die NeuTTS Open License, die kommerziell nur unter $5 Millionen Jahresumsatz kostenlos ist.
Lohnt sich NeuTTS (Air, Nano, 2E)?
NeuTTS ist für den Fall gedacht, dass die Sprache auf dem Gerät bleiben muss: ein Spielzeug, ein Kiosk, eine datenschutzsensible App. Laut Neuphonic schafft das Nano-Modell in Q4 45 Tokens pro Sekunde auf einem Galaxy-A25-Smartphone und 221 auf der CPU eines Laptops mit Ryzen 9, mit dem Vorbehalt, dass nur das Sprachmodell gezählt wird, nicht der Codec, der das Audio erzeugt. Klonen aus etwa 3 Sekunden Audio hebt es von Kokoro und Phonon ab, die nur feste Stimmen mitbringen.
Der Qualitätspreis zeigt sich in öffentlichen Vergleichen. Gradiums Blindtest von On-Device-Modellen gab NeuTTS 2.034 Elo gegenüber 2.043 für Kokoro und 2.098 für Phonon 31M, bei einer Wortfehlerrate von 8,7% auf schwierigen Sätzen gegenüber 3,5% und 1,5%. Neuphonics gehostete API, ein separates Produkt, steht in der Arena von Artificial Analysis auf Platz 91 von 104 mit 942 Elo.
Bei der Sicherheit schneidet es besser ab als die meisten offenen Modelle. Das Perth-Wasserzeichen wird standardmäßig auf jeden Clip gelegt, wie bei Chatterbox. Eine Falle: Wer aus dem Quellcode mit uv sync installiert, schaltet das Wasserzeichen ab, weil dessen Abhängigkeiten nicht installiert werden; pip install lässt es an. Einwilligung wird nur mit einer einzeiligen Bitte behandelt, das Modell nicht zu missbrauchen.
Der Haken: Die Lizenzen unterscheiden sich innerhalb der Familie. Nur Air steht unter Apache 2.0; die mehrsprachigen Nano-Modelle und das emotionale 2E fallen unter die NeuTTS Open License, die ab $5 Millionen Umsatz, über verbundene Unternehmen gerechnet, eine kostenpflichtige Lizenz verlangt. Der Kontext von 2.048 Tokens reicht für etwa 30 Sekunden Audio einschließlich des Referenz-Prompts, langer Text muss also zerlegt werden.
Unser Fazit: NeuTTS hat seinen Platz in Hardware und Offline-Apps, in denen eine geklonte Stimme ohne Netz laufen muss; für alles, was einen Server erreichen kann, klingen größere Modelle fürs Geld besser.
Wo es sich lohnt
Ein Spielzeughersteller, der ein sprechendes Kuscheltier mit der aufgenommenen Stimme eines Elternteils baut
Gute-Nacht-Geschichten in dieser Stimme erzählen, ohne Audio an einen Server zu schicken
Nimm 3 bis 15 Sekunden des Elternteils auf, kodiere sie einmal vor und lass Airs Q4-GGUF auf dem Prozessor des Spielzeugs laufen. Airs Apache-2.0-Lizenz umgeht die Umsatzschwelle; das Wasserzeichen markiert jeden Clip.
Ein Team einer Gesundheits-App mit strengen Datenregeln
Patientenhinweise auf Französisch, Deutsch oder Spanisch auf dem Gerät vorlesen
Nutze das passende Nano-Modell mit einem Referenzclip in derselben Sprache, sodass kein Text das Smartphone verlässt. Ein Unternehmen unter $5 Millionen Umsatz kann es kostenlos ausliefern; darüber eine Neuphonic-Lizenz einplanen.
Ein Kiosk-Entwickler mit einem Raspberry Pi
Einem Infobildschirm eine natürliche englische Stimme mit etwas Emotion geben
NeuTTS-2E bietet vier feste Stimmen und sieben Emotionseinstellungen einschließlich neutral, gewählt über ein Argument; ONNX-Decoder und GGUF-Backbone senken die Latenz.
Bevor du dich festlegst
- Einrichtung
- pip install neutts (das llama-Extra für GGUF, das onnx-Extra für den ONNX-Decoder ergänzen); Referenzclips sollten 3 bis 15 Sekunden lang, mono und sauber als .wav sein. Streaming funktioniert nur mit GGUF-Modellen.
- Integrationen
- Python-Paket, llama.cpp über llama-cpp-python, ONNX-Decoder, Demos auf Hugging Face Spaces; Neuphonic verkauft zusätzlich eine separate gehostete TTS-API.
- Daten und Datenschutz
- Läuft lokal, Text und Stimmclips bleiben also auf dem Gerät. Perth-Wasserzeichen bei pip-Installation standardmäßig an. Keine Einwilligungsprüfung über 'Don't use this model to do bad things' hinaus.
- Kosten im großen Maßstab
- Air ist in jeder Größenordnung kostenlos. Nano und 2E sind unter $5 Millionen Jahresumsatz einschließlich verbundener Unternehmen kostenlos; der Preis der kostenpflichtigen Lizenz ist nicht veröffentlicht.
- Grenzen
- Kontext von 2.048 Tokens, etwa 30 Sekunden Audio inklusive Prompt; Air und 2E nur Englisch; Benchmark-Geschwindigkeiten ohne Codec-Schritt; die Ausgabe ist zufällig, solange kein Seed gesetzt ist.
Was gut ist
- Läuft per GGUF auf Smartphones, Laptops und Raspberry Pi
- Klont eine Stimme aus etwa 3 Sekunden Audio
- Perth-Wasserzeichen standardmäßig auf jedem Clip
- Air unter Apache 2.0
Was nicht
- 8,7% Fehlerrate auf schwierigen Sätzen in Gradiums Test, gegenüber 1,5% für Phonon
- Nano und 2E brauchen ab $5 Millionen Umsatz eine kostenpflichtige Lizenz
- Kontext von 2.048 Tokens, etwa 30 Sekunden Audio
- Installation mit uv sync entfernt stillschweigend das Wasserzeichen
Am besten für
Hardware- und App-Hersteller, die Stimmklonen offline auf Smartphones oder Embedded-Boards brauchen, mit eingebauter Herkunftskennzeichnung.
Alternativen zu NeuTTS (Air, Nano, 2E)
NeuTTS (Air, Nano, 2E): häufige Fragen
- Lohnt sich NeuTTS (Air, Nano, 2E)?
- NeuTTS bringt Stimmklonen mit Wasserzeichen aufs Smartphone oder auf einen Raspberry Pi, um den Preis, dass es wie ein kleines Modell klingt. Wir bewerten es mit 3.6 von 5.
- Was kostet NeuTTS (Air, Nano, 2E)?
- Air ist unter Apache 2.0 kostenlos. Nano und 2E sind für Forschung und für Unternehmen unter $5 Millionen Jahresumsatz kostenlos; darüber ist eine kostenpflichtige Lizenz nötig.
- Welche Nachteile hat NeuTTS (Air, Nano, 2E)?
- 8,7% Fehlerrate auf schwierigen Sätzen in Gradiums Test, gegenüber 1,5% für Phonon; Nano und 2E brauchen ab $5 Millionen Umsatz eine kostenpflichtige Lizenz; Kontext von 2.048 Tokens, etwa 30 Sekunden Audio; Installation mit uv sync entfernt stillschweigend das Wasserzeichen.
- Für wen eignet sich NeuTTS (Air, Nano, 2E)?
- Hardware- und App-Hersteller, die Stimmklonen offline auf Smartphones oder Embedded-Boards brauchen, mit eingebauter Herkunftskennzeichnung.
- Was kostet NeuTTS (Air, Nano, 2E) für ein Team oder im Produktivbetrieb?
- Air ist in jeder Größenordnung kostenlos. Nano und 2E sind unter $5 Millionen Jahresumsatz einschließlich verbundener Unternehmen kostenlos; der Preis der kostenpflichtigen Lizenz ist nicht veröffentlicht.
- Ist NeuTTS (Air, Nano, 2E) sicher für Firmendaten?
- Läuft lokal, Text und Stimmclips bleiben also auf dem Gerät. Perth-Wasserzeichen bei pip-Installation standardmäßig an. Keine Einwilligungsprüfung über 'Don't use this model to do bad things' hinaus.
- Was sind die besten Alternativen zu NeuTTS (Air, Nano, 2E)?
- Die nächsten Alternativen, die wir getestet haben, sind Gradium Phonon, Kokoro-82M, Chatterbox und KittenTTS 2.
Antworten geprüft am 7. Nov. 2026.