Qwen3-TTS 1.7B 在 llama.cpp 上 CPU 实现 1.6 倍实时语音克隆
alexcovo_eth · x · 2026-09-11
开发者实测阿里 Qwen3-TTS-12Hz-1.7B VoiceDesign：无需参考音频、无需微调，仅用自然语言描述年龄、性别、口音、麦克风距离和情绪状态即可从零合成全新音色。
基准测试（mainline llama.cpp，1.7B Q4KM）：
- 纯 CPU（i7-12700H 8 线程）：3.44 秒录音室级克隆音频仅 2.13 秒生成，1.61x 实时，零 VRAM，约 8GB 内存即可跑
- GPU（RTX 4060 Laptop）：4.08 秒音频 1.27 秒生成，3.22x 实时，峰值 VRAM 仅 3.5GB（-c 4096）
- zero-shot 克隆惩罚几乎不存在
作者还用「宇航员系绳被拽走、半句台词突发恐慌」的压力 prompt 测试了语音中段情绪切换，效果惊艳。
「Infra」频道最新
- 大厂全做 AI 沙箱,Modal 与 Daytona 靠盒外一层仍居增速榜前列 — FinanceYF5 · 2026-10-26
- Ant 招股书印证「算力是可互换商品」论:单一池动态调度 — BenBajarin · 2026-10-26
- SLC NAND 每 1% 份额增长需多 2% 晶圆产能,闪存或复刻 HBM 行情 — toptickcrypto · 2026-10-26
- NVIDIA Vera Rubin 训 10T 模型只需 1.6 万卡，较 GB200 省 75% GPU — teortaxesTex · 2026-10-26
- Anthropic S-1 自曝：曾多次严重低估算力需求，导致产能受限拖累产品 — JosephJacks_ · 2026-10-26
- Anthropic 算力协议规模暴涨至最高 1205 亿美元 — teortaxesTex · 2026-10-26