Skip to content
Audio

FireRedTTS3-Instruct-HF

синтез, клонирование и редактирование речи в одном флаконе

2 min readupdated

Чекпоинт мультизадачной нейросети от команды FireRedTeam для генерации и обработки речи (TTS — Text-to-Speech), подготовленный для быстрого развёртывания через фреймворк SGLang Omni. Модель объёмом 2.12B параметров основана на FireRedTTS3 (с использованием наработок Qwen3 и Qwen2-Audio) и выдаёт монофоническое аудио с частотой 24 кГц в формате WAV или потоковом PCM. В отличие от обычных синтезаторов, она не только озвучивает текст клонированным или придуманным голосом, но и умеет менять отдельные слова, скорость, высоту тона или громкость прямо в готовой записи. Пригодится разработчикам голосовых ботов, ассистентов и инструментов для дубляжа и постпродакшена звука.

Ключевые особенности

  • Клонирование голоса (zero-shot): воспроизводит тембр по одному короткому аудиореференсу и его текстовой расшифровке.
  • Дизайн голоса по описанию: создаёт новое звучание без образца — достаточно задать в инструкции возраст, пол, темп и интонацию.
  • Семантическое и акустическое редактирование: заменяет конкретные слова в исходной записи (Replace 'source' with 'target'.), а также меняет скорость, питч и громкость.
  • Поддержка 10 языков в API: работает с русским, английским, китайским, японским, корейским, немецким, французским, испанским, португальским и итальянским языками.
  • Потоковая передача: поддерживает стриминг сырого PCM-потока по HTTP (/v1/audio/speech) и через WebSocket.

Что можно сделать

  • Голосовой ассистент или бот: развернуть локальный OpenAI-совместимый API-сервер через sgl-omni serve для озвучки ответов в реальном времени с кастомным тембром.
  • Правка ошибок в озвучке: исправить оговорку или заменить название в уже записанной реплике длиной до 20 секунд без перезаписи диктора.
  • Озвучка персонажей без актёров: сгенерировать разные голоса для диалогов и аудиокниг, описывая характер и манеру речи текстом в поле instructions.

Пример

curl --fail-with-body -X POST http://localhost:8000/v1/audio/speech \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "FireRedTTS3-Instruct",
    "input": "Привет, добро пожаловать в SGLang Omni.",
    "language": "Russian",
    "task_type": "VoiceDesign",
    "instructions": "Спокойный мужской голос, средний темп речи.",
    "seed": 42
  }' --output voice_design.wav
ПодробнееТребования к железу: Linux с видеокартой NVIDIA (CUDA) и Python 3.12; текущая конфигурация сервинга работает на одном GPU (tp_size=1).
Ограничения API: длина текста в HTTP-запросе input ограничена 400 символами, длительность исходного аудио для редактирования — до 20 секунд.
Язык нужно указывать явно (автоопределение Auto в стандартном API не поддерживается), а для инференса рекомендуется сохранять flow_mode: fp32.
Лицензия: открытая Apache-2.0 (клонирование голоса предназначено авторами для исследовательских целей).
Discuss Telegram 1 38

Will it run?

Runs in F32

Fits without quantisation.

  • F32weights 7.9 GB · ready files9.2 GB
  • BF16weights 3.9 GB4.8 GB
  • FP8 / INT8recommendedweights 2.0 GB2.7 GB
  • 4-bitweights 1.1 GB1.7 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · F32 — from RTX 3080

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # FireRedTeam/FireRedTTS3-Instruct-HF
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download FireRedTeam/FireRedTTS3-Instruct-HF --local-dir ~/models/FireRedTTS3-Instruct-HF
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of FireRedTTS3 (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 3All on Hugging Face
Fine-tunes 8All on Hugging Face

About the model

FireRedTeam/FireRedTTS3-Instruct-HF
Author
FireRedTeam
Category
Audio
Released
Posted

On NeyroLearn

Hugging Face

381

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments

Audio

Fleet-2

Fleet-2