audio.cpp 專案發布了一系列效能改進，重點在於降低記憶體使用量並提升推理速度，同時保持模型輸出的正確性與一致性。其中 Higgs Audio TTS 的峰值顯存使用量減少 48%，現約需 6GB VRAM；HTDemucs 在 CUDA 環境下速度提升 2.21 倍，Vulkan 環境下提升 1.95 倍；PocketTTS 在 CPU 上速度提升 2.23 倍，並減少 9% 的 RAM 使用量。
其他模型的改進包括：ACE-Step 系列減少 6-7% VRAM，CUDA 速度提升 1.06-1.08 倍，Vulkan 提升 1.16-1.20 倍；MOSS-TTS v1.5 克隆功能減少 21% VRAM，CUDA 速度提升 1.05 倍；MOSS-TTSD Q8 克隆功能減少 11% VRAM，CUDA 速度提升 1.04 倍；Echo-TTS (Memory Saver) 減少 20% VRAM；Qwen3-TTS 減少 16-20% VRAM；IndexTTS2/2.5 減少 12% VRAM；HTDemucs six-stem 在 CUDA 下速度提升 1.99 倍。
這些改進屬於執行層級的最佳化，旨在讓現有模型在本地運行時更具實用性。WebUI 新增了一個實驗性的生成歷史記錄功能，允許用戶回顧之前的輸出並恢復其設定。目前 audio.cpp 支持超過 110 個音訊模型系列和 190 多個變體，並持續在 CUDA、Vulkan、Metal、AMD/HIP 和 CPU 上改進記憶體效率和推理速度。開發團隊正在尋找貢獻者以改進 WebUI 的前端開發和 UI/UX 設計。
事件背景
audio.cpp 是一個支持多種音訊模型系列的開源推理引擎，涵蓋 CUDA、Vulkan、Metal、AMD/HIP 和 CPU 等多種硬體平台。Higgs Audio TTS、HTDemucs 和 PocketTTS 為該引擎支持的特定音訊模型，分別用於文字轉語音、音訊源分離和輕量級語音合成。
社群觀察
社群用戶對更新表示歡迎，並提出以下討論與請求： 1. 用戶 Acceptable-Cycle4645 詢問下一個希望優化的模型。 2. 用戶 nickm_27 提到 Omni voice 目前運作良好，但注意到目前的 GGUF 檔案會顯示關於舊版佈局的警告，詢問是否會針對該模型進行處理。 3. 用戶 Chromix_ 感謝統一的模型體驗，並請求增加模型混合自定義功能，允許在不同量化精度（如 BF16、Q8、Q4）之間混合使用，以更好地管理顯存限制，因為目前配置似乎半硬編碼在 GUI 中。 4. 用戶 Over_Possibility7875 認為 TTS 更新的低顯存需求對於與角色扮演模型堆疊使用很有用，並詢問語音品質與其他選項相比如何。
