Калькулятор VRAM и GPU для F5-TTS (0.34B)

Подбор оборудования для F5-TTS (0.34B) (0.34B, SWivid). Оценка для контекста 8K: INT4 1.1 ГБ • FP8 1.3 ГБ • FP16 1.6 ГБ.

Неавторегрессивный энкодер/DiT (0 KV кэша)
GPU

Требования к памяти 1.6 ГБ

Требуется 1 GPU (на основе емкости памяти)

0.83 GB

Все веса модели

0 GB

Кэш истории разговора

0.67 GB

Кэш параллельной обработки

0.1 GB

Временный кэш вычислений

Метрики производительности
Тест 1260 ток/с →
Макс. потоков на GPU
85 streams
Тип дуплекса
Stream / Turn-Based
Оценочная задержка
119 мс
Макс QPS
8.4 запросов/с

Оценка пропускной способности памяти и вычислений для 1x NVIDIA RTX 4090 (24GB).

Команда быстрого запуска (CLI)
f5-tts_infer-gradio --port 7860
Параметры автоматически учитывают выбранную точность, контекст и число GPU.Страница модели F5-TTS →

Архитектура и профиль памяти F5-TTS (0.34B)

Всего параметров
0.34B
Архитектура
Dense (плотная)
Разработчик
SWivid
Рекомендуемая точность
FP16

Матрица VRAM F5-TTS (0.34B) по точности и числу потоков

Включает неквантуемые акустические кодеки, потоковые буферы и KV-окно.

Точность1 поток4 потока16 потоков
FP161.6 GB2.4 GB5.6 GB
FP81.3 GB2.1 GB5.2 GB
INT81.3 GB2.1 GB5.2 GB
INT41.1 GB1.9 GB5.1 GB

Рекомендуемые GPU для F5-TTS (0.34B) (FP16)

Количество GPU и максимум одновременных голосовых потоков.

Модель GPUМин. GPUОбщая VRAMМакс. потоков
NVIDIA RTX 4090 (24GB)1×24 GB85 streams
NVIDIA RTX 5090 (32GB)1×32 GB115 streams
Apple M4 Max (128GB) (128GB)1×128 GB478 streams
NVIDIA A100 (80GB) (80GB)1×80 GB296 streams
NVIDIA H100 (80GB)1×80 GB296 streams
NVIDIA H200 (141GB)1×141 GB512 streams
Huawei Ascend 910B (64GB)1×64 GB236 streams

Вопросы по развёртыванию F5-TTS (0.34B)

Сколько видеопамяти требуется для запуска F5-TTS (0.34B)?
Для 1 аудиопотока F5-TTS (0.34B) требуется ~1.6 ГБ в FP16, ~1.3 ГБ в FP8 и ~1.1 ГБ в INT4.
Сколько нужно видеокарт RTX 4090 или H100 для F5-TTS (0.34B)?
В точности FP16 для F5-TTS (0.34B) потребуется минимум 1x RTX 4090 (24 ГБ) или 1x NVIDIA H100 (80 ГБ).
Какую точность выбрать для F5-TTS (0.34B) в продакшене?
Для F5-TTS (0.34B) (0.34B, SWivid) оптимальный баланс качества, скорости и памяти обеспечивает FP16.