Skip to content
Audio

FireRedTTS3-Base-Russian

русскоязычная TTS-модель с клонированием голоса

2 min readupdated

Полный FP32-чекпоинт модели синтеза речи FireRedTTS3-Base (2.12B параметров) со встроенной русскоязычной LoRA (небольшой надстройкой над базовой моделью). Отдельный адаптер для запуска не нужен: в репозиторий уже упакованы токенизатор и модули RedAE и CAM++, необходимые для zero-shot клонирования голоса (повторения тембра по короткому образцу без дообучения). На выходе модель генерирует моно-аудио с частотой дискретизации 24 kHz на русском языке. Пригодится разработчикам голосовых ассистентов, сервисов озвучки и локальных пайплайнов синтеза речи.

Ключевые особенности

  • Всё в одном чекпоинте: русская LoRA (профиль backbone) уже влита в ядро CKermit/FireRedTTS3-Base (оригинал от FireRedTeam/FireRedTTS3).
  • Zero-shot клонирование: в комплект входят ассеты RedAE и CAM++, достаточно передать образец речи и его точную расшифровку.
  • Готовность к продакшну: поддерживается развёртывание через SGLang Omni с готовым конфигом examples/configs/firered_tts3_base.yaml.
  • Проверка слияния: автор проверил идентичность замороженных тензоров, токенизатора и выходов PEFT-слоёв до и после мерджа.

Что можно сделать

  • Локальный TTS-сервер: поднять API-эндпоинт /v1/audio/speech на базе SGLang Omni для озвучки реплик в ботах и внутренних инструментах.
  • Озвучка нужным голосом: генерировать русскоязычные фразы с тембром конкретного диктора по одному референсному аудиофайлу.
  • Интеграция в пайплайны: использовать готовые FP32-веса без ручной загрузки и склейки PEFT-адаптеров при инференсе.

Пример

CUDA_VISIBLE_DEVICES=0 sgl-omni serve \
  --model-path /absolute/path/to/downloaded-model \
  --config examples/configs/firered_tts3_base.yaml \
  --allowed-local-media-path /absolute/path/to/reference-audio \
  --port 8000
ПодробнееОценка до слияния (12 кейсов, 4 спикера): средняя разница speaker-similarity составила -0.00008626, средняя разница WER — 0.00000000 относительно бейзлайна.
Ограничения API: длина поля input ограничена 400 символами, требуется указать language: Russian и референсное аудио с точным текстом.
Требования к среде: совместимая сборка SGLang Omni (от PR #3005, ревизия 718b51d5), более старые версии модель не поддерживают.
Лицензия: Apache-2.0 (сохранена от оригинальной модели FireRedTTS3).
Discuss Telegram 0 39

Will it run?

Working out the memory needs

The bot is still collecting this model's weight sizes; the estimate will appear here in a few minutes. Meanwhile you can rent a GPU with headroom.

Massed ComputeOpen Massed Compute

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.

    # shustov-te/FireRedTTS3-Base-Russian
    # ===== Tokens: paste yours between the quotes =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens, for gated models
    # ==========================================
    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 shustov-te/FireRedTTS3-Base-Russian --local-dir ~/models/FireRedTTS3-Base-Russian
    # 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-Base-Russian (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

shustov-te/FireRedTTS3-Base-Russian
Author
shustov-te
Category
Audio
Released
Posted

On NeyroLearn

Hugging Face

390

Ask AI about this model

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

Comments