- Timestamp: 2026-09-21 14:38:12
- Model:
F:\KI_Model\Huggingface\k2-fsa--OmniVoice - Device:
NVIDIA GeForce RTX 5070 Ti - Reference Speaker:
my_voice_berlin_k - Language:
de - Generation Mode: Voice Cloning (pre-encoded prompt)
| # | Characters | Audio Duration | GPU Compute Time | RTF | Sentence Text |
|---|---|---|---|---|---|
| 1 | 59 | 3.88 s | 2.80 s | 0.721 | Guten Tag, das hier ist ein erster Test der Sprachsynthese. |
| 2 | 61 | 4.08 s | 2.34 s | 0.574 | Der Zug fährt heute leider mit zwanzig Minuten Verspätung ab. |
| 3 | 62 | 4.12 s | 2.04 s | 0.496 | Kannst du mir bitte kurz erklären, wie das genau funktioniert? |
| 4 | 72 | 4.80 s | 1.81 s | 0.377 | Am Wochenende soll das Wetter deutlich besser werden als bisher gedacht. |
| 5 | 70 | 4.51 s | 1.77 s | 0.392 | Ich hätte nicht gedacht, dass das so schnell geht, mein lieber Freund. |
| 6 | 60 | 4.00 s | 2.04 s | 0.511 | Bitte legen Sie die Unterlagen auf den Tisch im Nebenzimmer. |
| Metric | Measured Value | Description |
|---|---|---|
| Model Load Time | 3.18 s |
One-off initialization cost per process |
| Reference Encoding Time | 0.45 s |
One-off voice prompt encoding cost |
| First Call RTF (Cold Start) | 0.721 |
Includes CUDA context init and kernel compilation |
| Warm RTF (Calls 2–6) | 0.465 |
Steady-state generation performance |
| Warm-up Speedup | 1.6x |
Performance gain over cold start |
| Overall RTF (incl. Loading & Encoding) | 0.647 |
Total compute divided by total synthesized audio |