Devotd Github
新着推論・サービング

plotarmordev/drama-tensorfold — DGX Spark向け Drama 3 TTS エンジン

DGX Spark(GB10)で Fish Audio Drama 3 を TensorFold ネイティブ Zig/CUDA エンジンで実行するパッチレシピと比較資料をまとめたリポジトリ。

リポジトリ情報plotarmordev/drama-tensorfold ↗

DGX Spark(GB10)で Fish Audio Drama 3 を TensorFold ネイティブ Zig/CUDA エンジンで実行するパッチレシピと比較資料をまとめたリポジトリ。

GitHub の説明: Fish Audio Drama 3 text-to-speech on the TensorFold native CUDA engine for DGX Spark (GB10): recipe, engine patches, benchmarks. Built with Fish Audio.

スター
★ 120
フォーク
7
言語
Python
ライセンス
Apache-2.0
原文を見る ↗GitHub で見る ↗

plotarmordev/drama-tensorfold は、DGX Spark(GB10)で Fish Audio Drama 3 の音声合成を TensorFold ネイティブ Zig/CUDA エンジンで実行するレシピとエンジンパッチを公開しているリポジトリ。公開されているリリース版はない。OpenAI スタイルの `/v1/audio/speech` パスを備えたローカル音声サーバーをビルドし、全応答とストリーミング応答の両方に対応する。Python で書かれ、ライセンスは Apache-2.0。

リポジトリにはベンチマークと精度検査の資料が含まれ、sglang-omni の基準実装との比較結果も公開されている。リポジトリの説明によれば、速度改善パッチ 14 個は 46 件の応答をバイト単位で同一に保った。初回音声レイテンシは 0.141 秒で、基準実装の 0.521 秒より低く、リアルタイム係数は 0.634 対 0.939 と示されている。この資料は GB10 におけるネイティブ CUDA ベースの TTS 経路を検討する際の参考となる。

ただし現在の状態は 'testing, not qualified' で、基準の精度項目を満たしていない。提示された数値は、精度のために速度を約 5% 譲るパッチ 0040 以降の結果である。比較も単一ホスト・単一モデルに限定されており、他の環境での性能や出力品質を裏づけるものではない。したがって、このリポジトリは検証済みの配布経路というより、限定された条件で評価中の最適化レシピとみなすのが妥当である。