01规格
| 发布方 | 阿里通义实验室 · FunAudioLLM |
|---|---|
| 系列 | FunAudioLLM 语音 · CosyVoice2 |
| 类型 | 语音合成 / 音频 (text-to-speech) |
| 参数量 | 500M 来源：官方型号名 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-07-29 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
音频模型体量小，权重大小基本就是所需显存。
| 精度 | 权重 | 权重 + 开销 | 最低显卡 | Mac |
|---|---|---|---|---|
| BF16 / FP16（原始精度） | 1.0 GB | 1.6 GB | 8GB 显卡 | Mac 16GB |
| FP8 / INT8 / Q8_0 | 0.5 GB | 1.1 GB | 8GB 显卡 | Mac 16GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 0.3 GB | 0.8 GB | 8GB 显卡 | Mac 16GB |
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- TensorRT-LLM — 官方模型卡提及
04官方仓库与量化版
FunAudioLLM 官方发布的 1 个仓库。
- CosyVoice2-0.5B main
05FunAudioLLM 语音 其他模型
全部 5 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Fun-ASR-Nano-2512-hf | 830M | 1.1 GB | 2026-05-24 |
| Fun-ASR-MLT-Nano-2512 | — | — | 2025-12-15 |
| Fun-CosyVoice3-0.5B-2512 | 500M | 0.8 GB | 2025-12-11 |
| SenseVoiceSmall | — | — | 2024-07-03 |
06来源
数据核对于 2026-05-31。参数、上下文、许可取自官方仓库；显存为本站估算。