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 · 612ms · 14.2GB
- 2. Stack FireRed — 86 分 · 702ms · 13GB
- 3. Kyutai Unmute — 84 分 · 405ms · 17GB
- 4. VibeVoice-Realtime-0.5B — 82 分 · 377ms · 3GB
- 5. Step-Audio 2 mini — 80 分 · 813ms · 10GB
共 6 个装得下的可用模型。← RTX 5090 全部能力