ラボ・大きな挑戦
Orpheus-3B：仕様と要件
OrpheusはLlama-3.2ベースの38億パラメータ音声モデルで、感情タグ（<laugh>、<sigh>）と追加学習なしのクローンを備え、GPUで最上位の品質を提供します。ONNX出力と試作JavaScriptライブラリはありますが、約2.2 GBの量子化済み重みは多くのブラウザでメモリ不足になります。状況を率直に記録し、高性能な個人向け機器で動くようになれば、まずラボに追加します。
仕様
| 開発者 | Canopy Labs |
|---|---|
| パラメーター | 3800百万 |
| ダウンロードサイズ | 2230 MB (q4f16) |
| 出力 | 24.0 kHz mono |
| 音声 | 8 |
| 言語 | 英語 |
| 音声クローン | はい |
| ストリーミング | いいえ |
| ライセンス | Apache-2.0 — Apache-2.0表記ですが、Llama-3.2-3Bの派生モデルであり、MetaのLlamaコミュニティライセンスが引き続き適用される可能性があります。商用利用前に確認してください。 |
| 速度 | ブラウザ性能は不明で、まだ動作例がありません。サーバーではデータセンターGPUで約200 msの遅延で配信します。 |
| 実行環境 | WebGPU必須 |
長所
- +理論上ブラウザ移植可能なオープン音声モデルで最高の素の品質
- +表情豊かな読み上げのための感情タグ
- +追加学習なしの音声クローン
制限
- −動作するブラウザデモなし。約2.2 GBの重みに約16 GB RAMとWebGPUが必要
- −予告された小型版（150M/400M/1B）は未公開
- −Llama派生モデルのライセンスが不明確
Orpheus-3B：よくある質問
Orpheus-3Bは無料ですか？
はい。重みのライセンスはApache-2.0で、お使いの端末上で動作します。Apache-2.0表記ですが、Llama-3.2-3Bの派生モデルであり、MetaのLlamaコミュニティライセンスが引き続き適用される可能性があります。商用利用前に確認してください。
Orpheus-3Bに必要なハードウェアは？
WebGPU対応のブラウザーとGPU（Chrome/Edge、Safari 26以降、Firefox 141以降）、約16 GBのメモリが必要です。CPUのみでは実用的な速度で動作しません。
Orpheus-3Bで使うテキストのプライバシーは守られますか？
はい。モデルはブラウザーのタブ内で実行され、テキストがサーバーへ送信されることはありません。
Orpheus-3Bの音声を商用利用できますか？
商用利用前にモデル・音声・元データセットの最新規約をご確認ください。カタログ上のライセンスはApache-2.0です。補足：Apache-2.0表記ですが、Llama-3.2-3Bの派生モデルであり、MetaのLlamaコミュニティライセンスが引き続き適用される可能性があります。商用利用前に確認してください。