К содержимому
Аудио

ribt

голос для роботов с задержкой 17,6 мс

2 мин чтения

ribt — английская TTS-модель на 54M параметров от Municipal Robotics. Она синтезирует речь потоково, чтобы робот успевал ответить, пока человек ещё рядом. В основе — цепочка lilt → acoustic (18,65M) → flow (21,88M) → Vocos (13,5M); все сети описаны в tensor IR tang и обучены без PyTorch.

Ключевые особенности

  • Только английский (US) и один голос; выход 24 kHz.
  • Первое аудио через 17,6 мс, RTF 0,027 на M4 Max (batch 1, warm, seed 0).
  • Один шаг flow matching вместо 16-шагового teacher — добавляет детали, которые дал бы teacher.
  • Одни и те же скомпилированные программы работают на Metal, CUDA, OpenCL, C и WebGPU.
  • Голос дистиллирован из Kokoro-82M af_heart: 135 ч рендера, весов Kokoro в модели нет.

Пример

W=ribt-weights
target/release/ribt-tts synth --run $W \
  --ckpt acoustic.safetensors --flow $W/flow.safetensors \
  --nfe 1 --shortcut --temp 0.3 \
  --voc $W/vocoder.safetensors --ref $W/ref.wav \
  --seed 0 --pitch 1 --accent minnesota \
  --text "Hi, I'm right here. What do you need?" --out-dir out/
ПодробнееБенчмарки на M4 Max: первое аудио 17,6 мс, RTF 0,027; UTMOS 4,39 против 4,52 у Kokoro af_heart; WER на held-out 50 — 1,73% у обеих.
Ограничения: только английский (US) и один голос; естественность немного уступает teacher.
Браузерной сборке нужен WebGPU и около 140 МБ загрузки при первом запуске.
Лицензия MIT; веса Vocos — MIT.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # municipal-robotics/ribt
    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 municipal-robotics/ribt --local-dir ~/models/ribt
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ribt
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии ribt — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

municipal-robotics/ribt
Автор
municipal-robotics
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Africa TTS

Africa TTS
Аудио

OmniSinger

OmniSinger