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. 1. Voice Stack A — 91 分 · 612ms · 14.2GB
2. 2. Stack FireRed — 86 分 · 702ms · 13GB
3. 3. Kyutai Unmute — 84 分 · 405ms · 17GB
4. 4. Step-Audio 2 mini — 80 分 · 813ms · 10GB
5. 5. Moshi — 72 分 · 184ms · 11GB

共 5 个装得下的可用模型。← RTX 5090 全部能力