🚀 Orpheus-3b-FT-Q8_0
Orpheus-3b-FT-Q8_0 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。本项目是 canopylabs/3b-fr-ft-research_release 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,适合在消费级硬件上运行。
🚀 快速开始
下载模型
从 lex-au 的 Orpheus-FASTAPI 模型集合 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。以下是一些兼容的推理服务器:
配置 FastAPI 服务器
git clone https://github.com/Lex-au/Orpheus-FastAPI.git
cd Orpheus-FastAPI
完成安装和设置
请遵循 仓库 README 中的完整安装和设置说明。
✨ 主要特性
- 多种语音选择:提供 3 种具有不同特征的语音选项。
- 情感标签支持:支持如笑声、叹息声等情感标签,让语音更具表现力。
- CUDA 加速优化:针对 RTX GPU 进行了 CUDA 加速优化。
- 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
此量化模型可以加载到以下任何 LLM 推理服务器中:
💻 使用示例
可用语音
模型支持 3 种不同的语音:
Pierre
:男性,法语,风格优雅。
Amelie
:女性,法语,气质优雅。
Marie
:女性,法语,充满活力。
情感标签
你可以通过插入以下标签为语音添加表现力:
<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>
:用于额外的情感表达。
📚 详细文档
模型描述
Orpheus-3b-FT-Q8_0 是一个拥有约 30 亿参数的文本转语音模型,它可以将文本输入转换为自然的语音,并支持多种语音和情感表达。该模型已被量化为 8 位(Q8_0)格式,以实现高效推理,使其能够在消费级硬件上运行。
技术规格
属性 |
详情 |
架构 |
专门的令牌到音频序列模型 |
参数数量 |
约 30 亿 |
量化格式 |
8 位(GGUF Q8_0 格式) |
音频采样率 |
24kHz |
输入 |
文本,可选语音选择和情感标签 |
输出 |
高质量 WAV 音频 |
语言 |
法语 |
硬件要求 |
支持 CUDA 的 GPU(推荐:RTX 系列) |
集成方法 |
外部 LLM 推理服务器 + Orpheus-FastAPI 前端 |
局限性
- 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。本仓库包含一个为 Orpheus-FastAPI 服务器优化的量化版本。
如果您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-Q8_0: 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-Q8_0.gguf}}
}