最佳实时语音方案 — RTX 5090 32GB
甜点区间：84–91 分 · 405–612 ms，共 2 个模型符合。
- 1. Voice Stack A — 91 分 · 612 ms · 14.2GB
- 2. Stack FireRed — 86 分 · 702 ms · 13GB
- 3. Kyutai Unmute — 84 分 · 405 ms · 17GB
- 4. VibeVoice-Realtime-0.5B — 82 分 · 377 ms · 3GB
- 5. Step-Audio 2 mini — 80 分 · 813 ms · 10GB
共 6 个装得下的可用模型。← RTX 5090 全部能力
常见问题
RTX 5090 上最佳实时语音方案最好的是哪个？
Voice Stack A，91 分，612 ms，占用 14.2GB（RTX 5090 共 32GB）。
RTX 5090 上速度最快的是哪个？
Moshi，184 ms，72 分，占用 11GB。分数最高的不一定最快——这台机器上两者是不同的模型。
显存/内存最省的是哪个？
VibeVoice-Realtime-0.5B，只要 3GB，82 分。
有哪些模型这台机器装不下？
1 个，例如 Qwen3-Omni-30B-A3B（需 41GB）。