Kokoro通过OpenVoice实现语音克隆，仅需约600MB显存

开发者在audio.cpp中加入Kokoro+OpenVoice ToneColorConverter管线，无需重新训练即可为现有TTS模型增加语音克隆能力。额外峰值显存约600MB，CUDA速度下降约10%，CPU速度约为原来一半但仍达实时2倍。CAM++测得的说话人相似度为0.7-0.8，效果受内置音色与参考音频质量影响较大。

• audio.cpp更新：Higgs Audio TTS显存占用降48%2026-10-08