Orpheus 3b FT Q2 K.gguf

🚀 Orpheus-3b-FT-Q2_K

Orpheus-3b-FT-Q2_K 是一個高性能的文本轉語音（TTS）模型，它經過微調，能夠實現自然、富有情感的語音合成。本項目提供的是該模型 30 億參數版本的 8 位量化版本，在保證輸出高質量語音的同時，優化了推理效率。

🚀 快速開始

下載模型

從 lex-au 的 Orpheus-FASTAPI 集合 下載此量化模型。

加載模型

將模型加載到你選擇的大語言模型（LLM）推理服務器中並啟動服務器。此量化模型可加載到以下任意 LLM 推理服務器中：

• GPUStack - GPU 優化的 LLM 推理服務器（推薦），支持局域網/廣域網張量拆分並行化。
• LM Studio - 加載 GGUF 模型並啟動本地服務器。
• llama.cpp server - 使用適當的模型參數運行。
• 任何兼容的 OpenAI API 服務器。

克隆倉庫

git clone https://github.com/Lex-au/Orpheus-FastAPI.git
cd Orpheus-FastAPI

配置服務器

配置 FastAPI 服務器以連接到你的推理服務器，方法是設置 ORPHEUS_API_URL 環境變量。

完成安裝和設置

遵循 倉庫 README 中的完整安裝和設置說明。

音頻示例

你可以通過以下音頻示例，聆聽模型使用不同聲音和情感進行語音合成的效果：

默認聲音示例

莉亞（快樂）

塔拉（悲傷）

扎克（沉思）

✨ 主要特性

• 多種聲音選擇：提供 8 種具有不同特徵的獨特聲音選項。
• 情感標籤支持：支持如笑聲、嘆息聲等情感標籤，為語音增添更多表現力。
• GPU 加速優化：針對 RTX 系列 GPU 的 CUDA 加速進行了優化。
• 高質量音頻輸出：生成 24kHz 的單聲道高質量音頻。
• 對話自然度微調：經過微調，語音在對話場景中更加自然。

📦 安裝指南

此量化模型可加載到以下任意 LLM 推理服務器中：

• GPUStack - GPU 優化的 LLM 推理服務器（推薦），支持局域網/廣域網張量拆分並行化。
• LM Studio - 加載 GGUF 模型並啟動本地服務器。
• llama.cpp server - 使用適當的模型參數運行。
• 任何兼容的 OpenAI API 服務器。

💻 使用示例

基礎用法

該模型設計用於與連接到 Orpheus-FastAPI 前端的 LLM 推理服務器配合使用，該前端提供了 Web UI 和 OpenAI 兼容的 API 端點。

高級用法

你可以在輸入文本中插入情感標籤，為語音增添更多表現力，例如：

• <laugh>、<chuckle>：用於笑聲。
• <sigh>：用於嘆息聲。
• <cough>、<sniffle>：用於輕微的中斷聲。
• <groan>、<yawn>、<gasp>：用於更多的情感表達。

📚 詳細文檔

可用聲音

模型支持 8 種不同的聲音：

• tara：女性，對話風格，聲音清晰。
• leah：女性，溫暖、溫柔。
• jess：女性，充滿活力，年輕感十足。
• leo：男性，權威，聲音深沉。
• dan：男性，友好，風格隨意。
• mia：女性，專業，表達清晰。
• zac：男性，熱情，富有活力。
• zoe：女性，平靜，舒緩。

情感標籤

你可以通過插入以下標籤為語音增添表現力：

• <laugh>、<chuckle>：用於笑聲。
• <sigh>：用於嘆息聲。
• <cough>、<sniffle>：用於輕微的中斷聲。
• <groan>、<yawn>、<gasp>：用於更多的情感表達。

🔧 技術細節

侷限性

• 目前僅支持英文文本。
• 在支持 CUDA 的 GPU 上可實現最佳性能。
• 生成速度取決於 GPU 性能。

📄 許可證

此模型遵循 Apache 許可證 2.0。

引用與歸屬

原始的 Orpheus 模型由 Canopy Labs 創建。本倉庫包含一個經過量化優化的版本，適用於 Orpheus-FastAPI 服務器。

如果你在研究或應用中使用此量化模型，請引用：

@misc{orpheus-tts-2025,
  author = {Canopy Labs},
  title = {Orpheus-3b-0.1-ft: Text-to-Speech Model},
  year = {2025},
  publisher = {HuggingFace},
  howpublished = {\url{https://huggingface.co/canopylabs/orpheus-3b-0.1-ft}}
}

@misc{orpheus-quantised-2025,
  author = {Lex-au},
  title = {Orpheus-3b-FT-Q2_K: Quantised TTS Model with FastAPI Server},
  note = {GGUF quantisation of canopylabs/orpheus-3b-0.1-ft},
  year = {2025},
  publisher = {HuggingFace},
  howpublished = {\url{https://huggingface.co/lex-au/Orpheus-3b-FT-Q4_K_M.gguf}}
}