audio.cpp: 集成12种音频模型（Qwen3-TTS、PocketTTS、VeVo2等）于一个C++/ggml运行时 — 在CUDA上TTS速度比Python快5倍
摘要
audio.cpp是一个C++/ggml运行时，集成了包括Qwen3-TTS、PocketTTS和VeVo2在内的12种音频模型，在CUDA上实现TTS速度比Python快5倍。
暂无内容
相似文章
[audio.cpp] VibeVoice 1.5B 发布 — 90分钟播客在22.95分钟内完成，4.08倍实时速度，比Python基线快2.86倍（无量化）。原生C++/ggml
VibeVoice 1.5B，一个长篇幅多说话人TTS模型，现已获得audio.cpp（原生C++/ggml运行时）的支持，在RTX 5090上实现4.08倍实时速度，比无量化的Python基线快2.86倍。
我将 NVIDIA Parakeet（语音转文本）移植到 ggml：与 NeMo 输出相同，速度更快，GGUF 量化，无需 Python
NVIDIA 的 Parakeet 语音转文本模型已被移植到纯 C++/ggml，实现了与 NeMo 字节完全相同的输出，GPU 上推理速度提升高达 5 倍，并提供量化的 GGUF 变体，无需 Python 或 PyTorch 即可在任何地方高效部署。
Qwen3 TTS 被严重低估了——我本地实时跑通后，发现它是目前最有表现力的开源 TTS 之一
开发者演示如何本地实时运行 Qwen3 TTS，支持流式输出、量化、词级对齐与自定义音色微调，打造高表现力的开源 TTS 流水线。
[audio.cpp] GGML之音——C++/GGML原生ACE-Step、Stable Audio、HeartMuLa、RoFormer、HTDemucs发布。60秒生成10分钟音乐！
audio.cpp发布重大更新，新增音乐/SFX生成和源分离功能，支持ACE-Step、HeartMuLa、Stable Audio 3和HTDemucs，在原生C++/GGML中实现长音乐生成高达10倍的实时速度。
Qwen3-tts.cpp + Compose 桌面 GUI
开发者改进了 qwen3-tts.cpp，使其在 RTX 5080 上实现 5 倍实时运行，并使用 Kotlin Compose Multiplatform 创建了跨平台桌面 GUI，具备语音克隆、流式传输和说话人嵌入管理功能。