Перейти к основному содержимому

Интеграция LongCat AudioDiT

JSON-плагин и HTTP-адаптер для meituan-longcat/LongCat-AudioDiT-1B и meituan-longcat/LongCat-AudioDiT-3.5B. examples/longcat-audiodit-server добавляет обнаружение, JSON-речь и multipart-клонирование.

AudioDiT возвращает полный WAV mono 24 kHz; Libre делит по предложениям, генерирует ограниченные пакеты и воспроизводит по порядку.

Требования​

Практически нужна NVIDIA CUDA. Начните с 1B; 3.5B требует больше VRAM. CPU экспериментален.

Запуск​

git clone https://github.com/meituan-longcat/LongCat-AudioDiT.git
python3 -m venv .venv
source .venv/bin/activate
pip install -r examples/longcat-audiodit-server/requirements.txt
export PYTHONPATH="$PWD/LongCat-AudioDiT"
python examples/longcat-audiodit-server/server.py \
  --model meituan-longcat/LongCat-AudioDiT-1B \
  --device cuda:0

По умолчанию 127.0.0.1:8300, без локальной аутентификации — не публикуйте. Между хостами используйте HTTPS; сохранённый голос отправляет расшифрованный образец каждой партии. См. examples/longcat-audiodit-server/README.md.

Плагин​

Активируйте Настройки → Плагины → LongCat AudioDiT. Обнаружение показывает только загруженный checkpoint. С llama-swap Models API Endpoint должен быть GET /v1/models, не POST /v1/audio/speech.

Выберите в Настройки → TTS. Ограничение 140 символов удерживает плотный китайский в окне 1B; длинный текст делится.

Клонирование​

Imagine → Audio, чистый образец и точная транскрипция. 3–10 секунд, один человек; более 15 с/10 MiB отклоняется. Можно использовать разово или сохранить приватно после согласия. Образец занимает длительность; при нехватке возвращается ошибка, не обрезка.

Разовый образец в памяти; сохранённая пара — AES-GCM на пользователя. Имитация не заменяет источник. Переносимого embedding нет, поэтому источник отправляется каждой партии. Смена маршрута безопасно отказывает. Галерея и профиль независимы.

Поддерживаются WAV, FLAC, MP3, Ogg; сильнее всего английский и мандарин. Именованных preset нет.

Управление​

Ограниченные ODE, guidance, CFG/APG, seed. speed 0.25–4.0 принимается для OpenAI, но игнорируется. Прямые запросы curl и детали в README.