想在自己的电脑上生成一分钟语音，以往常要么等很久，要么准备一张显存很大的显卡。现在，轻量本地运行工具 audio.cpp 接入了音频生成模型 Drama3。贡献者 JarodMica 的实现让它能借助不同电脑硬件执行，重点是把显存门槛进一步压低。
据项目作者在 Reddit 公布的测试，RTX 5090 运行 Q4_k 版本时，采用“CPU 权重卸载”——把部分模型数据放到电脑内存，需要时再交给显卡——并把文本分块设为 256，CUDA 路径的峰值显存为 7,782 MiB，平均 RTF 为 0.521。RTF 可理解为生成耗时与音频时长之比：这个成绩约等于半分钟生成一分钟音频，接近两倍实时。若全部放进显存，速度可超过五倍实时，但峰值显存升至 26,990 MiB。
这仍不是成熟发布版。作者称目前优化主要集中在 CUDA；Vulkan 和 Metal 虽已能运行，但仍有性能、显存效率和正确性问题，包括 Vulkan 请求触及 token 上限，以及多角色生成出现意外静音。