/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Fun-CosyVoice3-0.5B-2512
Опубликована
28 мар 2026

Fun-CosyVoice3-0.5B-2512-GGUF

Синтез речиТекст → аудио3 профессии

Fun-CosyVoice3-0.5B-2512-GGUF — неофициальная общественная GGUF-сборка модели CosyVoice3-2512, основанная на FunAudioLLM/Fun-CosyVoice3-0.5B-2512.

4 371скачиваний за 30 дней7лайковвеса обновлены8 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Сборка поддерживается независимым разработчиком и предназначена для запуска через C++/GGML-конвейер cosyvoice.cpp, а не является официальным релизом CosyVoice.

Модель относится к системам синтеза речи по тексту и принимает текст вместе с аудиопромптом в формате GGUF, после чего генерирует WAV-аудио. Она подходит для локального инференса и сценариев, где требуется управление голосом на основе заданного речевого примера. В репозитории доступны варианты с точностью от F32 и F16 до различных квантований Q8_0–Q2_K; размер файлов составляет примерно от 0,42 до 3,21 ГиБ. Рекомендуемым вариантом названа Q8_0, обеспечивающая качество, близкое к F16, при меньшем размере; F16 и Q6_K также относятся к высококачественным вариантам.

Ключевое ограничение — заметная деградация качества при сильном квантовании: варианты Q4 и ниже могут давать приглушённую речь, артефакты произношения, шум и неразборчивый звук. Для запуска требуется cosyvoice.cpp; отдельные компоненты требуют поддержки AVX2, а работа GPU зависит от используемого бэкенда GGML и драйверов. Языки, максимальная длина контекста и точная архитектура в README не указаны. Файлы модели распространяются по лицензии Apache-2.0, тогда как runtime cosyvoice.cpp имеет лицензию MIT.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fun-CosyVoice3-0.5B-2512-GGUF

Unofficial community GGUF release for CosyVoice3-2512.

This model pack is intended for use with cosyvoice.cpp.

Important Notice

  • This is not an official CosyVoice release.
  • The implementation is maintained by an independent community developer.
  • The C++ runtime project (cosyvoice.cpp) is MIT.
  • Model artifacts in this pack remain Apache-2.0.

Available Files

Naming Changes

The following quantizations have been renamed:

  • Q6_K_S → Q6_K
  • Q5_K_S → Q5_K_XXS
  • Q4_K_S → Q4_K_XXS
  • Q3_K_S → Q3_K_XXS
  • Q2_K_S → removed (mostly noisy and unusable)

Current Variants

FileQuantizationSize (approx)Notes
CosyVoice3-2512_F32.ggufF323.21 GiBHighest precision, largest size
CosyVoice3-2512_F16.ggufF161.61 GiBHigh-quality baseline
CosyVoice3-2512_Q8_0.ggufQ8_00.88 GiBNear-F16 quality, smaller
CosyVoice3-2512_Q6_K.ggufQ6_K0.78 GiBFormerly Q6_K_S; good quality/size balance
CosyVoice3-2512_Q5_1.ggufQ5_10.64 GiBBetter quality than Q5_0
CosyVoice3-2512_Q5_K_M.ggufQ5_K_M0.64 GiBNew; maintains decent quality, good results
CosyVoice3-2512_Q5_K_S.ggufQ5_K_S0.61 GiBNew; maintains decent quality, good results
CosyVoice3-2512_Q5_K_XXS.ggufQ5_K_XXS0.61 GiBFormerly Q5_K_S; further compressed
CosyVoice3-2512_Q5_0.ggufQ5_00.59 GiBCompact mid-quality
CosyVoice3-2512_Q4_K_M.ggufQ4_K_M0.59 GiBNew; quality drops from Q5, occasional muffled audio, mostly acceptable
CosyVoice3-2512_Q4_K_S.ggufQ4_K_S0.56 GiBNew; lower quality than Q4_K_M
CosyVoice3-2512_Q4_1.ggufQ4_10.54 GiBSmaller size, audible pronunciation artifacts
CosyVoice3-2512_Q4_K_XXS.ggufQ4_K_XXS0.54 GiBFormerly Q4_K_S
CosyVoice3-2512_Q4_0.ggufQ4_00.49 GiBFurther quality degradation, often unclear speech
CosyVoice3-2512_Q3_K_M.ggufQ3_K_M0.49 GiBNew; muffled audio, slightly below but close to Q4_K_XXS
CosyVoice3-2512_Q3_K_S.ggufQ3_K_S0.46 GiBNew; lower quality than Q3_K_M
CosyVoice3-2512_Q3_K_XXS.ggufQ3_K_XXS0.44 GiBFormerly Q3_K_S
CosyVoice3-2512_Q2_K_L.ggufQ2_K_L0.43 GiBNew; significant quality drop, quiet and muffled with noise
CosyVoice3-2512_Q2_K.ggufQ2_K0.42 GiBNew; severe artifacts and noise, but speech content can still be discerned

Quick Recommendations

K-quant quality relationship within each series (high to low): K_M > K_S > K_XXS

  • Default recommendation: Q8_0 (near-lossless listening quality in current tests, with much smaller size than F16)
  • High-quality alternatives: F16 and Q6_K
  • Usable mid-tier options: Q5_1, Q5_K_M, Q5_K_S, Q5_0, Q5_K_XXS
  • Quality drops but still acceptable: Q4_K_M, Q4_K_S
  • Audible artifacts: Q4_1, Q4_K_XXS, Q4_0
  • Further quality degradation: Q3_K_M, Q3_K_S, Q3_K_XXS
  • Extreme compression only: Q2_K_L, Q2_K

Subjective listening notes from current tests:

  • Q8_0: quality remains strong with little audible loss in typical samples.
  • Q6_K: still sounds good and is often a practical choice.
  • Q5_K_M / Q5_K_S (new): maintain decent quality, good results.
  • Q5_K_XXS (formerly Q5_K_S): slightly higher than but close to Q4_K_M.
  • Q5 family (Q5_1 / Q5_K_M / Q5_K_S / Q5_0 / Q5_K_XXS): generally usable with moderate degradation.
  • Q4_K_M / Q4_K_S (new): quality drops compared to Q5, occasional muffled audio, but mostly acceptable.
  • Q4 family (including Q4_1 / Q4_K_XXS / Q4_0): audible pronunciation artifacts, often muffled.
  • Q3_K_M / Q3_K_S (new): further quality degradation, audio is muffled, slightly below but close to Q4_K_XXS.
  • Q3_K_XXS (formerly Q3_K_S): aggressive quantization, limited quality.
  • Q2_K_L (new): significant quality drop, quieter and muffled audio with noise.
  • Q2_K (new): severe artifacts and noise, but speech content can still be discerned.
  • Q2_K_S (removed): mostly degrades into noise and is usually unusable.

Runtime Requirements

  • Built for cosyvoice.cpp GGUF inference pipeline.
  • Parts of the runtime currently require AVX2 support.
  • GPU backend behavior depends on GGML backend and driver stack.

Basic Usage

cosyvoice-cli \
  --model CosyVoice3-2512_Q8_0.gguf \
  --prompt-speech prompt_speech.gguf \
  --text "Hello from CosyVoice" \
  --output out.wav

--prompt-speech expects a prompt-speech file in GGUF format (for example prompt_speech.gguf).

For runtime usage and documentation, see the cosyvoice.cpp repository:

Provenance

  • This work follows the architecture and inference behavior of upstream CosyVoice releases, then re-implements the pipeline for C++/GGML deployment.
  • Tokenizer implementation is adapted from llama.cpp and modified for this project.

License

  • Model files in this repository: Apache-2.0
  • Runtime code (cosyvoice.cpp): MIT

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
ab01740

0 моделей