audio.cpp
本地数字人对话进入亚秒级,门槛却仍锁在高端显卡
audio.cpp 0.9.5 将语音识别、对话、语音合成与数字人驱动串成本地流程,RTX 5090 上问句到数字人开口约需 850 毫秒。值得关注的是交互延迟已接近自然对话,但高昂显卡需求和重复模型调用限制普及。
找到 1 篇关于此标签的文章
audio.cpp 0.9.5 将语音识别、对话、语音合成与数字人驱动串成本地流程,RTX 5090 上问句到数字人开口约需 850 毫秒。值得关注的是交互延迟已接近自然对话,但高昂显卡需求和重复模型调用限制普及。