audio.cpp 0.9.5 上线本地实时数字人语音聊天,5090 延迟约 850ms
Acceptable-Cycle4645 · reddit · 2026-11-16
audio.cpp 0.9.5 在其 WebUI 中新增了一个实时本地数字人语音聊天应用,由三个模型组成完整管线:
- SoulX-FlashHead:实时生成说话数字人头像
- OWSM v4:将语音输入转写为文本
- LFM3-Audio:负责对话响应与 TTS,被调用两次——语音到语音路径只提供一个音色,再用其 TTS 以另一音色合成回复
性能要点:
- RTX 5090 上从提问到数字人开口约 850ms,ASR 并行运行
- 视频生成阶段仍吃 GPU,SoulX 建议 RTX 4090 以上
- cuDNN 是实时性能必需:没有它推理慢 2 倍、显存翻倍
- 作者指出 LFM3-Audio 双调用和原型 UI 均有优化空间,原生应用可进一步降延迟
所属事件:audio.cpp 0.9.5 推出全本地实时数字人语音聊天(2 条相关)→
「Infra」频道最新
- H200 对华销售停滞:分析师称美国芯片管制成「十年最大自伤」 — firstadopter · 2026-11-16
- 让 Agent 碰真实数据别用 mock:copy-on-write 克隆数据库秒级开分支 — petrusenko_max · 2026-11-16
- DGX Spark 本地跑 Qwen3.6+Qwen-Image，全自动每日猜谜网站零 API 费 — jbsan · 2026-11-16
- audio.cpp 0.9.4 上线本地实时数字人语音聊天,5090 延迟约 850ms — Acceptable-Cycle4645 · 2026-11-16
- Exo 再购两台 DGX Spark，押注本地推理对抗开源权重禁令 — kuchaev · 2026-11-16
- 美财长电视上质疑英伟达"违规销售吹高营收" — ShakeelHashim · 2026-11-16