llama.cpp 主干合并 Qwen3-TTS，本地语音克隆成现实
BTA_Labs · reddit · 2026-08-05
llama.cpp 已将 Qwen3-TTS 的语音克隆功能正式合并至主干分支。这意味着开发者现在可以直接在主流的 C++ 推理生态中实现本地化文本转语音与声音克隆。
当前支持功能：
- 运行 GGUF 格式的 Qwen3-TTS-12Hz-1.7B-Base 模型
- 支持 WAV/MP3 作为参考音频提取音色
- 兼容英、中、日、韩等 10 种语言
作者指出，该合并的核心价值在于提升了可移植性与生态集成度。目前仍有部分限制，例如服务端 /tts 接口仍处于草案阶段，且暂不支持 CustomVoice 模式。社区期待后续能看到跨硬件平台（CPU、Metal、CUDA）在实时率、内存占用和音色相似度上的详细基准测试。
「编程与Agent」频道最新
- 研究：弱模型给强模型重写提示词，零样本性能显著提升 — max_paperclips · 2026-08-05
- SkillTune：通过自动评估循环优化 AI Agent 技能 — Scobleizer · 2026-08-05
- 语音 Agent 实战痛点：STT 延迟与端点检测成最大瓶颈 — FormalStatistician92 · 2026-08-05
- 北大提出 ContinualSkillBench：评估智能体持续进化能力 — PekingUniversity · 2026-08-05
- 开发者吐槽：AI 隐藏思考过程让引导智能体像摸黑开车 — yacineMTB · 2026-08-05
- HuggingFace 推出 Agent Collaborations，打造多智能体协作生态 — _lewtun · 2026-08-05