/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,4 млрд
Лицензия
Своя лицензия
Архитектура
breeze · dense
Базовая модель
Breeze-TTS-2
Библиотека
transformers
Опубликована
26 авг 2026

Breeze-TTS-2-comfyui

Синтез речиТекст → аудио3 профессии

Конвертированная для ComfyUI модель Breeze TTS 2 для синтеза английской и китайской речи с вариантами bf16 и INT8.

815скачиваний за 30 дней21лайквеса обновлены26 авг 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

Breeze-TTS-2-comfyui — конвертированная сборка модели Breeze TTS 2, подготовленная для набора узлов ComfyUI-Breeze-TTS-2. В репозитории есть исходный чекпойнт bf16, объединённый из двух частей, а также варианты с INT8-квантизацией ConvRot; рекомендуемая гибридная сборка сохраняет декодер глубины в bf16. Модель содержит 1,4 млрд параметров, использует архитектуру BreezeForConditionalGeneration и контекст до 2048 токенов.

Модель предназначена для синтеза речи по тексту на английском и китайском языках, а базовая Breeze TTS 2 также поддерживает клонирование голоса и управление его подачей. Гибридная INT8-сборка ориентирована на запуск через ComfyUI и, согласно README, на RTX 5090 обеспечивает скорость на уровне bf16 при снижении пикового потребления видеопамяти на 27%. Полная INT8-квантизация экономит больше памяти, но работает медленнее из-за накладных расходов при вызовах декодера.

В README указано, что все сборки дают сходное с исходной bf16 качество по WER, однако при клонировании голоса возможны отдельные ошибки распознавания, а скорость и потребление памяти зависят от сборки и оборудования. Лицензия обозначена в метаданных как other; конкретные условия следует проверять у автора базовой модели BreezeBlue/Breeze-TTS-2.

Сценарии применения

  • синтез английской речи из текста
  • синтез китайской речи из текста
  • генерация речи в рабочем процессе ComfyUI
  • клонирование голоса по голосовому образцу
  • управление подачей и характеристиками голоса

Ограничения

Полная INT8-сборка медленнее bf16 и гибридного варианта из-за накладных расходов декодера; при клонировании голоса отмечены отдельные ошибки на уровне распознавания речи. Замеры производительности приведены для RTX 5090 и не гарантируют те же результаты на другом оборудовании.

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

Breeze TTS 2 — ComfyUI derivatives

Converted from BreezeBlue/Breeze-TTS-2 for the ComfyUI-Breeze-TTS-2 node pack.

Screenshot 2026-08-26 160830

Contents

FileDescription
Breeze-TTS-2-bf16.safetensorsThe official checkpoint merged from 2 shards into a single file (bit-exact, bf16, 6.49 GiB).
Breeze-TTS-2-int8-convrot.safetensorsAll 462 transformer projection linears INT8 ConvRot (backbone + text encoder + depth decoder), comfy-kitchen per-channel per-row scales. Smallest build.
Breeze-TTS-2-int8-hybrid.safetensorsBackbone + text encoder INT8 ConvRot; the depth decoder (the per-frame autoregressive hot loop) stays bf16. Recommended INT8 build: bf16-level speed with −27 % VRAM.
Breeze-TTS-2-int8-text-encoder.safetensorsText encoder only INT8; everything decode-time stays bf16.
audio_tokenizer/Unmodified Qwen3-TTS 12 Hz audio tokenizer (codec) used for reference-audio encoding and speech decoding.
quantization_report_*.jsonPer-tensor dequantization error statistics for each INT8 build.
benchmark_report.jsonRTF / VRAM / log-mel / Whisper-WER comparison across all four builds.

Benchmarks (RTX 5090, ComfyUI loader, sdpa, 24 kHz output)

Buildavg RTF (lower = faster)Peak VRAMWhisper WER vs prompt*
bf165.687.51 GiBbaseline
int8-convrot9.08 (+60 %)5.21 GiB (−31 %)matches bf16
int8-hybrid5.64 (parity)5.53 GiB (−27 %)matches bf16
int8-text-encoder5.346.82 GiB (−9 %)matches bf16

*All builds including bf16 share the same few ASR-level blurs on the clone prompt; design/direction prompts transcribe identically to bf16 on the hybrid builds.

The depth decoder runs 15 skinny single-token GEMMs per 12.5 Hz frame (≈1260 linear calls/frame), where int8 per-call overhead (quantize + dispatch, ~0.1 ms/call on Windows) outweighs the GEMM savings — that is why full INT8 regresses and the hybrid does not.

License

  • Weights: the Breeze TTS 2 model weights, these derivative files, and self-hosted outputs are governed by the BreezeBlue Research and Non-Commercial License (see license_link). Commercial use requires written authorization from RESONIA, INC.
  • Node-pack code: ComfyUI-Breeze-TTS-2 is Apache-2.0. The Breeze TTS source code is also Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура breeze неизвестна transformers в образе рантайма.

Класс архитектуры
BreezeForConditionalGeneration
Ревизия весов
a6bfd9d

0 моделей