/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Audio8-TTS-Preview-0.6b
Библиотека
audio.cpp
Опубликована
31 авг 2026

Audio8-TTS-Preview-0.6b-GGUF

Синтез речиТекст → аудио3 профессии

Audio8-TTS-Preview-0.6b-GGUF — это GGUF-конверсия модели Audio8-TTS-Preview-0.6b, разработанной Audio8, для запуска через audio.cpp.

31 631скачиваний за 30 дней3лайкавеса обновлены31 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

Конверсия не включает дополнительное обучение или изменения архитектуры и предназначена для синтеза речи из текста, потоковой генерации и клонирования голоса по эталонной аудиозаписи с расшифровкой.

Модель использует архитектуру DualAR: медленный модуль имеет 24 слоя размера 896 с 14 головами внимания и 2 KV-группами, быстрый модуль — 4 слоя размера 896. В составе — 10 кодбуков, аудиокодек с частотой 44,1 кГц и размером кадра 2048 сэмплов, контекст составляет 2048 токенов. Размер исходной модели — 0,6 млрд параметров; файл q8_0 содержит 681 тензор и занимает около 1,4 ГиБ. Поддерживаются кантонский и китайский языки, английский, нидерландский, французский, немецкий, итальянский, японский, корейский, польский и испанский, а также автоматический выбор языка.

Сильные стороны модели — локальный запуск в формате GGUF, поддержка потокового синтеза и voice cloning, а также совместимость с OpenAI-совместимым серверным интерфейсом audio.cpp. Это preview-версия: стабильность снижается при использовании шумных, длинных или плохо соответствующих тексту эталонных записей. Для клонирования голоса необходимо получить согласие правообладателя и раскрывать факт использования синтетической речи. Модель и её конверсия распространяются по лицензии Apache-2.0; репозиторий является производной работой в формате GGUF и не заявляет аффилированность с Audio8.

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

Audio8-TTS-Preview-0.6b-GGUF

GGUF conversion of Audio8/Audio8-TTS-Preview-0.6b for audio.cpp. No new training.

Original checkpoint: 0.6B DualAR — Slow 24×896 (14 heads, 2 KV), Fast 4×896, 10×4096 codebooks, 44.1 kHz codec (2048 samples/frame), 2048 context. Languages: yue/zh/nl/en/fr/de/it/ja/ko/pl/es/auto. See original model card for details and evaluation.

File

FileTensorsPrecisionSize
audio8-tts-preview-0.6b-q8_0.gguf681 (226 AR + 455 codec)q8_0~1.4 GiB

Both embed config.json, tokenizer.json, tokenizer_config.json and model_specs/audio8_tts.json. q8_0 is the recommended default.

Conversion

  • Source: model.safetensors + codec.safetensors from Audio8/Audio8-TTS-Preview-0.6b
  • Tool: convert_audio8_tts.py + audiocpp_gguf (--family audio8_tts --model-spec model_specs/audio8_tts.json --type q8_0/bf16)
  • Change: storage type/quantization only (q8_0). No architecture or training changes.
python tools/community_models/convert_audio8_tts.py \
  --model-dir /path/to/Audio8-TTS-Preview-0.6b \
  --converter build/bin/audiocpp_gguf \
  --type q8_0

Usage (audio.cpp)

# offline TTS
audiocpp_cli --task tts --family audio8_tts \
  --model audio8-tts-preview-0.6b-q8_0.gguf \
  --text "The quick brown fox jumps over the lazy dog." --out out.wav

# streaming + voice cloning
audiocpp_cli --task tts --mode streaming --family audio8_tts \
  --model audio8-tts-preview-0.6b-q8_0.gguf \
  --text "Hello world" --voice-ref ref.wav --reference-text "transcript of ref.wav" --out out.wav

# server (OpenAI-compatible)
audiocpp_server --config server.json
# POST /v1/audio/speech {"model":"audio8-tts","input":"...","stream":true,"stream_format":"sse","response_format":"pcm"}

Params: max_tokens (default 1024), temperature 0.7, top_p 0.9, top_k 50, seed.

License and Attribution

License: Apache-2.0 — same as upstream.

Upstream: Code and model weights are released under the Apache License 2.0. See NOTICE.

This repository is a Derivative Work (GGUF format conversion) under Apache-2.0 §1.

  • Copyright retained by Audio8 — see upstream LICENSE/NOTICE (includes DualAR attribution to Fish Audio).
  • This distribution includes Apache-2.0 LICENSE.
  • Not affiliated or endorsed by Audio8.

Acknowledgements

Audio8 for Audio8-TTS-Preview-0.6b (Apache-2.0) and Fish Audio for DualAR architecture.

Limitations

Preview checkpoint; noisy/long/mismatched reference clips reduce stability. Obtain consent before cloning a voice and disclose synthetic audio.

Как запустить

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

GPU в ailist

Универсальный рантайм · audio.cpp

Нельзя запустить

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

Ревизия весов
788f6fd

0 моделей