Orpheus 3b FT Q2 K.gguf

🚀 Orpheus-3b-FT-Q2_K

Orpheus-3b-FT-Q2_K 是一个高性能的文本转语音（TTS）模型，它经过微调，能够实现自然、富有情感的语音合成。本项目提供的是该模型 30 亿参数版本的 8 位量化版本，在保证输出高质量语音的同时，优化了推理效率。

🚀 快速开始

下载模型

从 lex-au 的 Orpheus-FASTAPI 集合 下载此量化模型。

加载模型

将模型加载到你选择的大语言模型（LLM）推理服务器中并启动服务器。此量化模型可加载到以下任意 LLM 推理服务器中：

• GPUStack - GPU 优化的 LLM 推理服务器（推荐），支持局域网/广域网张量拆分并行化。
• LM Studio - 加载 GGUF 模型并启动本地服务器。
• llama.cpp server - 使用适当的模型参数运行。
• 任何兼容的 OpenAI API 服务器。

克隆仓库

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

配置服务器

配置 FastAPI 服务器以连接到你的推理服务器，方法是设置 ORPHEUS_API_URL 环境变量。

完成安装和设置

遵循 仓库 README 中的完整安装和设置说明。

音频示例

你可以通过以下音频示例，聆听模型使用不同声音和情感进行语音合成的效果：

默认声音示例

莉亚（快乐）

塔拉（悲伤）

扎克（沉思）

✨ 主要特性

• 多种声音选择：提供 8 种具有不同特征的独特声音选项。
• 情感标签支持：支持如笑声、叹息声等情感标签，为语音增添更多表现力。
• GPU 加速优化：针对 RTX 系列 GPU 的 CUDA 加速进行了优化。
• 高质量音频输出：生成 24kHz 的单声道高质量音频。
• 对话自然度微调：经过微调，语音在对话场景中更加自然。

📦 安装指南

此量化模型可加载到以下任意 LLM 推理服务器中：

• GPUStack - GPU 优化的 LLM 推理服务器（推荐），支持局域网/广域网张量拆分并行化。
• LM Studio - 加载 GGUF 模型并启动本地服务器。
• llama.cpp server - 使用适当的模型参数运行。
• 任何兼容的 OpenAI API 服务器。

💻 使用示例

基础用法

该模型设计用于与连接到 Orpheus-FastAPI 前端的 LLM 推理服务器配合使用，该前端提供了 Web UI 和 OpenAI 兼容的 API 端点。

高级用法

你可以在输入文本中插入情感标签，为语音增添更多表现力，例如：

• <laugh>、<chuckle>：用于笑声。
• <sigh>：用于叹息声。
• <cough>、<sniffle>：用于轻微的中断声。
• <groan>、<yawn>、<gasp>：用于更多的情感表达。

📚 详细文档

可用声音

模型支持 8 种不同的声音：

• tara：女性，对话风格，声音清晰。
• leah：女性，温暖、温柔。
• jess：女性，充满活力，年轻感十足。
• leo：男性，权威，声音深沉。
• dan：男性，友好，风格随意。
• mia：女性，专业，表达清晰。
• zac：男性，热情，富有活力。
• zoe：女性，平静，舒缓。

情感标签

你可以通过插入以下标签为语音增添表现力：

• <laugh>、<chuckle>：用于笑声。
• <sigh>：用于叹息声。
• <cough>、<sniffle>：用于轻微的中断声。
• <groan>、<yawn>、<gasp>：用于更多的情感表达。

🔧 技术细节

局限性

• 目前仅支持英文文本。
• 在支持 CUDA 的 GPU 上可实现最佳性能。
• 生成速度取决于 GPU 性能。

📄 许可证

此模型遵循 Apache 许可证 2.0。

引用与归属

原始的 Orpheus 模型由 Canopy Labs 创建。本仓库包含一个经过量化优化的版本，适用于 Orpheus-FastAPI 服务器。

如果你在研究或应用中使用此量化模型，请引用：

@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}}
}