К содержимому
Аудио

Linnet linnet-en-35m

компактный стриминговый TTS для CPU

2 мин чтения

Linnet — English-only модель text-to-speech от VoxRT для работы на устройстве: 41,4 млн параметров, 24 кГц, моно. Архитектура — авторегрессионная flow-LM, которая на каждом шаге выдаёт 48-мерный латент, плюс Vocos-подобный нейронный кодек-декодер; аудио стримится с первого шага.

Ключевые особенности

  • Работает в реальном времени на одном ядре телефона или десктопа; на Core i9-13900K RTF 9% в 1 поток и 3% в 4.
  • Один шаг — 80 мс аудио; потоковая выдача без lookahead, все операторы причинные.
  • Два встроенных голоса: linnet-en-f1 и linnet-en-m1; голос задаётся латентом-промптом.
  • Нет фонемизатора и текстовой нормализации: числа, валюты, даты и телефоны лучше заранее переписывать словами.
  • Только английский; энкодер для создания новых голосов не входит в релиз и требует отдельной лицензии.

Пример

Голос linnet-en-f1, параметры по умолчанию: temp=0.3, cfg=2.0, seed=0. Текст: «Good morning, and welcome back. The meeting starts at nine, and the coffee is already on the table.»

ПодробнееПараметры: flow-LM 31,5 млн + кодек-декодер 9,9 млн; fp16-веса 83 МБ, пиковый RSS на десктопе 187 МБ.
Скорость: Core i9 — 7,0–7,4 мс/шаг в 1 поток, первое аудио 75–103 мс; Snapdragon 662 — 42,4 мс/шаг в 1 поток, RTF 53%; Raspberry Pi Zero 2 W — RTF 75% на 4 ядрах.
Ограничения: в слепых тестах примерно в половине пар выход чуть грубее реконструкции кодека; ASR WER 15–30% на коротких фразах из-за токенизации. Код Apache-2.0, веса — Linnet Weights License, не open-source.
Обсудить Telegram 2

Запустится ли?

Запустится в FP16

Влезает без сжатия.

  • FP16веса 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 · FP16 — 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.

    # VoxRT/linnet-en-35m
    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 VoxRT/linnet-en-35m --local-dir ~/models/linnet-en-35m
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к linnet-en-35m
  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 linnet-en-35m — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

VoxRT/linnet-en-35m
Автор
VoxRT
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

OmniVoice

OmniVoice
Аудио

AMBIT

AMBIT