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。
[audio.cpp] 狐狸说什么：原生C++/GGML中的4个ASR模型（Nemotron 3.5 ASR、Higgs Audio STT、VibeVoice ASR和Hviske ASR），初始流式支持，327秒音频在2.17秒内转录完成。
audio.cpp更新引入了流式支持和四个ASR/STT模型（Nemotron 3.5、Higgs Audio STT、VibeVoice ASR、Hviske ASR），采用原生C++/GGML实现，速度比Python快高达2.41倍，词错误率（WER）和显存占用具有竞争力。
[audio.cpp] 0.4 版本发布：Higgs Audio v3 TTS 4B（10倍实时）+ Fish Audio S2 Pro 基于 C++/GGML，完整 GGUF 加载，Q8 速度与显存优化
audio.cpp 0.4 版本为 Higgs Audio v3 TTS 4B（10倍实时）和 Fish Audio S2 Pro 添加了基于 C++/GGML 的推理，支持完整 GGUF 加载，并实现了 Q8 速度与显存优化。
[audio.cpp] 在RTX 5090上3分钟生成10小时音频（含演示）！基于C++/GGML的Supertonic 3、MOSS-TTS、IndexTTS2和Irodori-TTS发布
audio.cpp中发布了基于C++/GGML实现的Supertonic 3、MOSS-TTS、IndexTTS2和Irodori-TTS，能够在RTX 5090上3分钟内生成10小时音频。
@阿里的通义实验室：Qwen-Audio-3.0-TTS来了。我们最新的文本转语音模型，提供两个版本：• Flash：实时交互 • Plus：高…
阿里巴巴通义实验室发布了Qwen-Audio-3.0-TTS，一款新的文本转语音模型，提供Flash（实时）和Plus（高质量）两个版本，支持16种语言、自然语言风格控制以及更稳健的语音克隆。