llama.cpp Bản phát hành b10270 Hỗ trợ Tạo và Sao chép Giọng nói Qwen3-TTS
Dự án llama.cpp đã phát hành phiên bản b10270, giới thiệu hỗ trợ gốc cho mô hình Qwen3-TTS của Alibaba. Bản cập nhật này cho phép thực hiện các tính năng chuyển văn bản thành giọng nói (TTS) và sao chép giọng nói cục bộ, mặc dù nó đi kèm một số thay đổi lớn (breaking changes) đối với tệp thực thi llama-tts. Bằng cách tích hợp Qwen3-TTS, llama.cpp mở rộng tiện ích của mình ra ngoài việc tạo văn bản sang tổng hợp âm thanh đa ngôn ngữ chất lượng cao và sao chép giọng nói trên phần cứng tiêu dùng. Điều này giúp giảm rào cản cho các nhà phát triển muốn triển khai các đặc vụ giọng nói tương tác, cục bộ và riêng tư. Quá trình triển khai bao gồm việc chuyển đổi nhiều thành phần phụ của luồng xử lý Qwen3-TTS—bao gồm mô hình văn bản, bộ mã hóa (encoder), bộ mã hóa người nói (speaker encoder) và bộ tạo code2wav—sang định dạng GGUF. Bản phát hành cũng giới thiệu một tệp thực thi llama-tts được cải tiến và API mtmd_helper_gen_audio mới.
## KIẾN THỨC NỀN
llama.cpp là một công cụ suy luận mã nguồn mở phổ biến được thiết kế để chạy các mô hình ngôn ngữ lớn cục bộ với thiết lập tối thiểu và hiệu suất cao, thường sử dụng các tệp GGUF đã được lượng tử hóa. Qwen3-TTS là một dòng mô hình chuyển văn bản thành giọng nói mã nguồn mở do Alibaba Cloud phát triển, hỗ trợ tạo giọng nói biểu cảm, sao chép giọng nói và tổng hợp đa ngôn ngữ trên mười ngôn ngữ khác nhau.