audio.cpp 实现 MiniMax-H3：TTS/语音克隆/音乐生成，RTX 5090 上 3 倍实时
Acceptable-Cycle4645 · reddit · 2026-08-17
audio.cpp 项目实现了 MiniMax-H3 的文本到音频流水线，可用于 TTS、语音克隆和音乐生成。该实现比专用音频模型更灵活强大，在 RTX 5090 上性能可达 3 倍实时。它支持多说话人对话演示，并简化了 DiT 模型的设置，无需手动配置 SageAttention 等。此外，该实现还能生成视频帧，因为 DiT 同时生成音频和视频潜在表示。MiniMax-Music3 预览版已发布，支持 CUDA/Vulkan/HIP，VRAM 使用量取决于音频时长和提示长度。
所属事件:audio.cpp 0.6发布支持MiniMax-H3(2 条相关)→
「多模态」频道最新
- FLUX 3 Upscaler 上线 Higgsfield:提速 50%、价格降 50%,原生 2K/4K — tisch_eins · 2026-10-16
- 「RiRi」AI 生成图爆火：钻石头饰与闪片长裙以假乱真 — egeberkina · 2026-10-16
- SeedAudio 1.5 将登陆 CapCut PC:一条提示生成对白、音效与配乐 — LearnWithBishal · 2026-10-16
- DLSS 5 实测画面逼真到反转：玩家称「比现实还真实」 — CSProfKGD · 2026-10-16
- 用 fal agent 一键换角:视频角色按 character sheet 重铸 — adamho · 2026-10-16
- 开发者开源 Krea 2 像素画 LoRA：16x16 游戏图标一键生成带透明背景 — Angaisb_ · 2026-10-16