Reddit-Nutzer urarthur hat auf der GPU-Mietplattform vast.ai 21 verschiedene GPUs – überwiegend Consumer-Karten – mit dem TTS-Modell OmniVoice benchmarkt. Als Referenz diente seine eigene RTX 3090. Das Modell benötigt einen Peak-VRAM von rund 5 GB und eignet sich damit für eine breite Palette aktueller Mittelklasse-GPUs. Gemessen wurde der sogenannte xRT-Wert (times real-time), also wie viel schneller als Echtzeit die jeweilige GPU Audio generiert. Jede GPU wurde drei Mal mit einem kurzen Absatz und bereitgestelltem Referenz-Audio (Voice Cloning) getestet, der Durchschnitt wurde notiert. Der Autor betont ausdrücklich, dass es sich um keine wissenschaftliche Analyse handelt, sondern um eine pragmatische Orientierungshilfe für die relative GPU-Performance in diesem spezifischen TTS-Workload. Die vollständigen Ergebnisse und Ranglisten sind im verlinkten Reddit-Thread verfügbar.