Kokoro-82M 显存计算与 GPU 部署指南
针对 Kokoro-82M(hexgrad,总参数 0.082B)的实时显存核算。8K 上下文参考:INT4 0.5 GB • FP8 0.5 GB • FP16 0.6 GB。
非自回归编码/扩散结构(零 KV Cache)
张卡
显存需求 0.59 GB
需要 1 张显卡(基于显存容量)
0.16 GB
所有模型权重
0 GB
对话历史缓存
0.37 GB
并发处理缓存
0.06 GB
临时计算缓存
单节点最大并发流
236 streams
双工架构类型
Stream / Turn-Based
预估延迟
29 ms
最大QPS
34.8 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
docker run --gpus all -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-gpu:latest
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 Kokoro-82M 专属显存指南 →
Kokoro-82M 模型架构与显存规格
总参数量
0.082B
模型架构
Dense 稠密架构
发布厂商
hexgrad
推荐部署精度
FP16
Kokoro-82M 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 |
|---|---|---|---|
| FP16 | 0.6 GB | 0.9 GB | 2.1 GB |
| FP8 | 0.5 GB | 0.8 GB | 2.0 GB |
| INT8 | 0.5 GB | 0.8 GB | 2.0 GB |
| INT4 | 0.5 GB | 0.8 GB | 2.0 GB |
Kokoro-82M 推荐 GPU 硬件配置表(FP16)
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 GB | 236 streams |
| NVIDIA RTX 5090 (32GB) | 1× | 32 GB | 317 streams |
| Apple M4 Max (128GB) (128GB) | 1× | 128 GB | 512 streams |
| NVIDIA A100 (80GB) (80GB) | 1× | 80 GB | 512 streams |
| NVIDIA H100 (80GB) | 1× | 80 GB | 512 streams |
| NVIDIA H200 (141GB) | 1× | 141 GB | 512 streams |
| Huawei Ascend 910B (64GB) | 1× | 64 GB | 512 streams |
Kokoro-82M 部署常见问题
运行 Kokoro-82M 最低需要多大显存?
单路并发推理时,Kokoro-82M 在 FP16 约需 0.6 GB、FP8 约需 0.5 GB、INT4 约需 0.5 GB 显存(已计入常驻高精度声学/Codec 模块)。
用 RTX 4090 或 H100 部署 Kokoro-82M 需要几张卡?
以 FP16 精度运行 Kokoro-82M,至少需要 1 张 RTX 4090 (24GB) 或 1 张 NVIDIA H100 (80GB)。
生产环境运行 Kokoro-82M 推荐哪种量化精度?
对于 hexgrad 推出的 Kokoro-82M(0.082B),推荐优先使用 FP16,在生成质量、显存开销与吞吐效率间表现最佳。