01规格
| 发布方 | 微软 · microsoft |
|---|---|
| 系列 | 微软 VibeVoice / Fara / Harrier · VibeVoice |
| 类型 | 语音合成 / 音频 (text-to-speech) |
| 参数量 | 2.7B 来源：按官方 safetensors 权重统计 |
| 发布权重 | BF16 · 5.4 GB下载量 |
| 许可 | MIT · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-08-25 （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） | 5.4 GB | 6.4 GB | 8GB 显卡 | Mac 16GB |
| FP8 / INT8 / Q8_0 | 2.9 GB | 3.7 GB | 8GB 显卡 | Mac 16GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 1.6 GB | 2.3 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。
- Transformers — 官方模型卡提及
04官方仓库与量化版
microsoft 官方发布的 1 个仓库。
- VibeVoice-1.5B main
05微软 VibeVoice / Fara / Harrier 其他模型
全部 12 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| VibeVoice-ASR-Streaming-1.5B | 2.81B | 2.4 GB | 2026-09-02 |
| VibeVoice-ASR-Streaming-7B | 8.67B | 6.3 GB | 2026-09-02 |
| Fara1.5-4B | 4.54B | 3.8 GB | 2026-07-17 |
| Fara1.5-27B | 27.4B | 19.3 GB | 2026-07-17 |
| Fara1.5-9B | 9.41B | 7.0 GB | 2026-05-12 |
| harrier-oss-v1-270m | 268M | 0.7 GB | 2026-03-30 |
| harrier-oss-v1-0.6b | 596M | 0.9 GB | 2026-03-30 |
| harrier-oss-v1-27b | 27B | 18.5 GB | 2026-03-30 |
06来源
数据核对于 2026-01-22。参数、上下文、许可取自官方仓库；显存为本站估算。