Fish-Audio-S2-Pro (5B) 显存计算与 GPU 部署指南

针对 Fish-Audio-S2-Pro (5B)(Fish Audio,总参数 4.8B)的实时显存核算。8K 上下文参考:INT4 5.0 GB • FP8 7.5 GB • FP16 12.6 GB。

固定 30 秒声学窗 / Codec 帧上限
张卡

显存需求 7.54 GB

需要 1 张显卡(基于显存容量)

5.65 GB

所有模型权重

0.28 GB

对话历史缓存

1.4 GB

并发处理缓存

0.21 GB

临时计算缓存

单节点最大并发流
19 streams
双工架构类型
Stream / Turn-Based
预估延迟
840 ms
最大QPS
1.2 queries/s

基于 1x NVIDIA RTX 4090 (24GB) 的显存带宽与算力模型推算的参考推理速率。

一键部署命令生成
python -m tools.api_server --llama-checkpoint-path checkpoints/s2-pro --compile
命令参数已自动匹配当前所选精度、上下文长度与多卡张量并行数量。查看 Fish-Audio-S2-Pro 专属显存指南 →

Fish-Audio-S2-Pro (5B) 模型架构与显存规格

总参数量
4.8B
模型架构
Dense 稠密架构
发布厂商
Fish Audio
推荐部署精度
FP8

Fish-Audio-S2-Pro (5B) 不同精度与并发流数显存矩阵

包含不可量化声学编解码/CFM 子网、流式缓冲区及 KV 滑窗的实际占用。

量化精度1 路并发4 路并发16 路并发
FP1612.6 GB16.2 GB30.4 GB
FP87.5 GB10.3 GB21.1 GB
INT87.5 GB10.3 GB21.1 GB
INT45.0 GB7.3 GB16.4 GB

Fish-Audio-S2-Pro (5B) 推荐 GPU 硬件配置表(FP8)

基于单卡显存及全双工 12.5Hz 帧预算的最低卡数与最大并发语音流数。

GPU 显卡型号最低卡数总显存池最大并发流
NVIDIA RTX 4090 (24GB)1×24 GB19 streams
NVIDIA RTX 5090 (32GB)1×32 GB28 streams
Apple M4 Max (128GB) (128GB)1×128 GB134 streams
NVIDIA A100 (80GB) (80GB)1×80 GB81 streams
NVIDIA H100 (80GB)1×80 GB81 streams
NVIDIA H200 (141GB)1×141 GB148 streams
Huawei Ascend 910B (64GB)1×64 GB63 streams

Fish-Audio-S2-Pro (5B) 部署常见问题

运行 Fish-Audio-S2-Pro (5B) 最低需要多大显存?
单路并发推理时,Fish-Audio-S2-Pro (5B) 在 FP16 约需 12.6 GB、FP8 约需 7.5 GB、INT4 约需 5.0 GB 显存(已计入常驻高精度声学/Codec 模块)。
用 RTX 4090 或 H100 部署 Fish-Audio-S2-Pro (5B) 需要几张卡?
以 FP8 精度运行 Fish-Audio-S2-Pro (5B),至少需要 1 张 RTX 4090 (24GB) 或 1 张 NVIDIA H100 (80GB)。
生产环境运行 Fish-Audio-S2-Pro (5B) 推荐哪种量化精度?
对于 Fish Audio 推出的 Fish-Audio-S2-Pro (5B)(4.8B),推荐优先使用 FP8,在生成质量、显存开销与吞吐效率间表现最佳。