Instructions to use webbigdata/VoiceCore_gguf with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use webbigdata/VoiceCore_gguf with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="webbigdata/VoiceCore_gguf",
	filename="VoiceCore-BF16.gguf",
)

llm.create_chat_completion(
	messages = "No input example has been defined for this model task."
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use webbigdata/VoiceCore_gguf with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf webbigdata/VoiceCore_gguf:BF16
# Run inference directly in the terminal:
llama-cli -hf webbigdata/VoiceCore_gguf:BF16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf webbigdata/VoiceCore_gguf:BF16
# Run inference directly in the terminal:
llama-cli -hf webbigdata/VoiceCore_gguf:BF16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf webbigdata/VoiceCore_gguf:BF16
# Run inference directly in the terminal:
./llama-cli -hf webbigdata/VoiceCore_gguf:BF16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf webbigdata/VoiceCore_gguf:BF16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf webbigdata/VoiceCore_gguf:BF16

Use Docker

docker model run hf.co/webbigdata/VoiceCore_gguf:BF16

LM Studio
Jan
Ollama
How to use webbigdata/VoiceCore_gguf with Ollama:
```
ollama run hf.co/webbigdata/VoiceCore_gguf:BF16
```

Unsloth Studio

How to use webbigdata/VoiceCore_gguf with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for webbigdata/VoiceCore_gguf to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for webbigdata/VoiceCore_gguf to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for webbigdata/VoiceCore_gguf to start chatting

Docker Model Runner
How to use webbigdata/VoiceCore_gguf with Docker Model Runner:
```
docker model run hf.co/webbigdata/VoiceCore_gguf:BF16
```

Lemonade

How to use webbigdata/VoiceCore_gguf with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull webbigdata/VoiceCore_gguf:BF16

Run and chat with the model

lemonade run user.VoiceCore_gguf-BF16

List all available models

lemonade list

dahara1 commited on Jul 20, 2025

Commit

7178a63

verified ·

1 Parent(s): eff17b6

Update README.md

Browse files

Files changed (1) hide show

README.md +3 -3

README.md CHANGED Viewed

@@ -37,7 +37,7 @@ GGUF（GPT-Generated Unified Format）は、大規模言語モデルを効率的
 | VoiceCore-Q4_K-f16.gguf | 2.66 GB | バランス型、実用的な精度 | 通常使用（要注意） |
 ⚠️ **重要な注意事項**: VoiceCoreは量子化に敏感なモデルです。ベースモデルであるorpheus-3bはQ4_K-f16以下の量子化レベルで[音声ファイルの作成に失敗するケース](https://huggingface.co/dahara1/orpheus-3b-0.1-ft_gguf)がある事がわかっています。
-自作ggufに挑戦する場合は、音声品質や文字誤り率だけでなく発生失敗率にも注目する事を推奨します。
 量子化手順を更に改善した結果、現在のVoiceCore-Q4_K-f16.ggufはVoiceCore-BF16.ggufより音声品質や文字誤り率が改善しているという評価が内製ベンチマークで示されており、これについてはオペレーションミスの可能性も踏まえて、判断が保留されています。
@@ -57,9 +57,9 @@ GGUF（GPT-Generated Unified Format）は、大規模言語モデルを効率的
 [音声ファイル/リアルタイム再生]
 ```
-VoiceCoreは直接WAVファイルを生成するのではなく、SNAC用の音声トークンを出力します。
-そのため、コマンドラインよりサーバー形式で動作させる方が柔軟性が高くなります
 SNAC部分についてはC#実装[DillionLowry/NeuralCodecs](https://github.com/DillionLowry/NeuralCodecs))を公開してくれている方がいるので、参考にすればスマートフォン等で動作させる事も可能と思われます
 ## セットアップガイド（Mac/初心者向け）

 | VoiceCore-Q4_K-f16.gguf | 2.66 GB | バランス型、実用的な精度 | 通常使用（要注意） |
 ⚠️ **重要な注意事項**: VoiceCoreは量子化に敏感なモデルです。ベースモデルであるorpheus-3bはQ4_K-f16以下の量子化レベルで[音声ファイルの作成に失敗するケース](https://huggingface.co/dahara1/orpheus-3b-0.1-ft_gguf)がある事がわかっています。
+自作ggufに挑戦する場合は、音声品質や文字誤り率だけでなく発声失敗率にも注目する事を推奨します。
 量子化手順を更に改善した結果、現在のVoiceCore-Q4_K-f16.ggufはVoiceCore-BF16.ggufより音声品質や文字誤り率が改善しているという評価が内製ベンチマークで示されており、これについてはオペレーションミスの可能性も踏まえて、判断が保留されています。
 [音声ファイル/リアルタイム再生]
 ```
+VoiceCoreは直接WAVファイルを生成するのではなく、SNAC用の音声トークンを出力します。そのため、コマンドラインよりサーバー形式で動作させる方が柔軟性が高くなります
 SNAC部分についてはC#実装[DillionLowry/NeuralCodecs](https://github.com/DillionLowry/NeuralCodecs))を公開してくれている方がいるので、参考にすればスマートフォン等で動作させる事も可能と思われます
+また、オリジナルのpytorch実装([hubertsiuzdak/snac_24khz](https://huggingface.co/hubertsiuzdak/snac_24khz))以外にONNXに移植した版([onnx-community/snac_24khz-ONNX](https://huggingface.co/onnx-community/snac_24khz-ONNX))も存在しますが、自然さがやや落ちるという評価も目にしているので注意してください
 ## セットアップガイド（Mac/初心者向け）