pub enum ModelFamily {
Show 144 variants
SileroVad,
MarblenetVad,
Pulsevad,
FireredVad,
EarshotVad,
Qwen3Asr,
CitrinetAsr,
SenseAsr,
FunAsrNano,
HiggsAudioStt,
HviskeAsr,
HviskeAsrV6,
KrokoAsr,
NemotronAsr,
Nemotron3Diar,
NemotronTranscribe,
ParakeetTdt,
VibevoiceAsr,
VibevoiceAsrStreaming,
FireredAudio,
Granite5Asr,
Audio8Asr,
Audio8Tts,
Vibeasr,
MoonshineAsr,
NiagaraAsr,
CanaryAsr,
CohereAsr,
MossTranscribeDiarize,
Confucius4R2t2,
AudioFlamingo,
Crisperwhisper,
GigaamAsr,
IndexEcho,
Lfm2Audio,
Lfm3Audio,
LfmD1Omni,
Owsm,
OwsmCtc,
Samsone,
WhistleAsr,
Phonon2Asr,
UnderdogBark3,
HaasAsr,
Qwen3Tts,
Confucius4Tts,
DotsTts,
FishAudio,
FishDrama3,
GlmTts,
HiggsAudioTts,
IndexTts2,
IrodoriTts,
MossTtsLocal,
MossTtsNano,
MossTtsV15,
MossVoicegen,
Neutts,
Outetts,
PocketTts,
GradiumPhonon,
PocketTtsSmall,
VieneuV3Turbo,
Fireredtts3,
F5Tts,
MagpieTts,
Personaplex,
MinimaxH3,
Sanotts,
SoproTts,
MiraTts,
Cosyvoice3,
BreezeTts,
SopranoTts,
EchoTts,
Voxcpm1,
KokoroTts,
Zipvoice,
Auk,
PiperTts,
KittenTts,
KittenTts2,
Plapre,
Kugelaudio,
Maya1,
MossTtsd,
Ming3Tts,
XttsV2,
SortformerDiar,
SortformerDiarV2,
SeedVc,
Rvc,
Meanvc2,
ToneColorVc,
Chatterbox,
ChatterboxTurbo,
Vevo2,
Voxcpm2,
AceStep,
Htdemucs,
Htdemucs6Stems,
Mossformer2,
TfGridnet,
MelBandRoformer,
BsRoformer,
Muscriptor,
Omnivoice,
StableAudio,
MinimaxMusic3,
Supertonic,
Yue2,
MagentaRealtime2,
Sheetsage2,
VoxtralRealtime,
VoxtralTts,
Audiosr,
Apollo,
Universr,
BuiltinAudioUtils,
ControlFoley,
MidashEnglmGen,
Liveavatar,
Latentsync,
SoulxFlashhead,
Reuse,
RealtimeReuse,
SamAudio,
Sidon,
SmartTurn,
MicroWakeWord,
SherpaKws,
OpenWakeWord,
Ced,
AstAudioset,
Miocodec,
Miotts,
Vibevoice,
Dramabox,
Heartmula,
InflectV2,
Qwen3ForcedAligner,
MmsForcedAligner,
Ming3Audio,
Custom(String),
}Expand description
模型族（映射 Registry::load 的 family_hint 参数）。
枚举覆盖上游 engine_runtime 的全部 loader 族，as_str() 返回传给
C 边界的字符串。GGUF / NeMo safetensors 无法被引擎自动探测族别，加载
时必须显式指定；用枚举代替裸字符串可避免拼写错误。
上游社区持续新增模型，本枚举可能滞后：unknown 族可直接用
ModelFamily::Custom 传任意字符串，From<&str> 也会把未收录的名字
自动映射到 Custom。
Variants§
SileroVad
Silero VAD（内置权重，通常可省略 family_hint）
MarblenetVad
MarbleNet VAD（NeMo 格式，须显式指定）
Pulsevad
PulseVAD（16kHz 单声道语音活动检测，2.1K student / 81K teacher；
仅离线，阈值选项键为 threshold）
FireredVad
FireRed VAD（DFSMN 语音活动检测，16kHz mono；离线+流式，
流式需 Stream-VAD checkpoint；选项 threshold 等）
EarshotVad
Earshot VAD（原生 C++ 移植的语音活动检测，16kHz mono，16ms 帧；
task 为 vad，离线+流式；权重为 earshot_vad.safetensors（非 GGUF），
CMake target earshot_vad（alias earshot）；流式硬要求 16kHz 单声道；
阈值选项 threshold/neg_threshold，另支持 smoothing_factor/
speech_pad_ms/min_speech_duration_ms/min_silence_duration_ms/
start_delay_ms/keep_trailing_segment/会话选项 exec_plan）
Qwen3Asr
Qwen3 ASR
CitrinetAsr
Citrinet ASR
SenseAsr
SenseVoice ASR（阿里，社区模型）
FunAsrNano
Fun ASR Nano
HiggsAudioStt
Higgs Audio STT
HviskeAsr
Hviske ASR
HviskeAsrV6
Hviske ASR v6（丹麦语 Whisper-rotary 编码器 + Qwen3 解码器；
task 为 asr 仅离线，16kHz 输入）
KrokoAsr
Kroko ASR
NemotronAsr
Nemotron ASR
Nemotron3Diar
Nemotron 3 Diarization（NVIDIA 八说话人流式分离，社区预览；
CMake target nemotron_3_diar，用 model-nemotron-3-diar feature 编译；
task 为 diar，离线+原生批+流式，16kHz 输入）
NemotronTranscribe
Nemotron 3.5 Transcribe 30B-A4B（NVIDIA Nemotron-H 语音大模型，实验性；
CMake target nemotron_transcribe，用 model-nemotron-transcribe feature
编译；task 为 asr 仅离线；输出含 word_timestamps + speaker_turns +
custom_schema_output；请求选项 template_name/return_timestamps/
diarization，会话选项 disk_experts/pin_experts/expert_cache_size
等 CPU 专家卸载系）
ParakeetTdt
Parakeet TDT
VibevoiceAsr
Vibevoice ASR
VibevoiceAsrStreaming
VibeVoice ASR 流式 7B（离线+流式；与 VibevoiceAsr 同属
vibevoice_asr CMake target，用 model-vibevoice-asr feature 编译）
FireredAudio
FireRed Audio（语音理解 / 生成，含 Qwen3.5 运行时）
Granite5Asr
Granite 5 ASR（IBM Granite Speech 5.0 470M TurboCTC ASR，社区模型）
Audio8Asr
Audio8 ASR（社区 ASR 模型）
Audio8Tts
Audio8 TTS（社区 TTS 模型）
Vibeasr
VibeASR（社区 INT8/ternary ASR）
MoonshineAsr
Moonshine ASR（社区流式 ASR，离线+流式）
NiagaraAsr
Niagara ASR（ABR Niagara 英文批处理 ASR，仅离线）
CanaryAsr
Canary ASR（NVIDIA Canary 180M Flash 多语 ASR/翻译，仅离线；
en/de/es/fr，选项 target_language/pnc）
CohereAsr
Cohere ASR（Cohere Transcribe 多语转写，仅离线；14 语种，
选项 pnc/max_tokens）
MossTranscribeDiarize
MOSS-Transcribe-Diarize（Whisper 编码器 + Qwen3 解码器， 转写+说话人分离+时间戳联合输出；离线+流式）
Confucius4R2t2
Confucius4-R2T2（网易实时流式 ASR，社区模型；离线+流式）
AudioFlamingo
Audio Flamingo（转写/描述/问答，speech+music+环境音；task 为 asr 仅离线）
Crisperwhisper
CrisperWhisper（Whisper 逐字/意图转写；task 为 asr/align，离线+流式）
GigaamAsr
GigaAM ASR（v3 与多语 Conformer，CTC/RNN-T 解码；task 为 asr 仅离线）
IndexEcho
Index-Echo-S2TT（语音到文本翻译，双语时间戳字幕；task 为 asr 仅离线）
Lfm2Audio
LFM2-Audio（Liquid LFM2.5-Audio，FastConformer 编码器；task 为 asr 仅离线）
Lfm3Audio
LFM3-Audio（Liquid AI LFM3-Audio-2B，实验性；log-mel 编码器 + LFM3 混合
conv/attention 主干，TTS 走 MaskGIT depth 解码 + LiquidCodec 得 24kHz；
CMake target lfm3_audio，用 model-lfm3-audio feature 编译；
task 为 asr/tts/s2s，离线+流式，18 语种（无 auto）；
S2S 多轮历史经 output_artifacts 的 lfm3_audio.reply 产物回传）
LfmD1Omni
LFM d1-Omni（Liquid AI d1-Omni-2B 音频决策：对音频+具名问题输出
校准的是/否、选项、评分与数值估计；CMake target lfm_d1_omni，
用 model-lfm-d1-omni feature 编译；task 为 cls（classify）仅离线，
多语种，结果在 custom_schema_output（schema audio_decisions））
Owsm
OWSM（ESPnet Open Whisper 式多语 ASR/翻译；task 为 asr，离线+流式）
OwsmCtc
OWSM-CTC（ESPnet 非自回归多语 ASR/翻译；task 为 asr，离线+流式）
Samsone
SAMSONE（紧凑音频语言模型：描述/问答/声音音乐语音理解；
task 为 asr 仅离线）
WhistleAsr
Whistle ASR（社区离线语音识别，本地 FP32 GGUF；task 为 asr 仅离线）
Phonon2Asr
Phonon-2 ASR（Fermion Research 英文 ASR，复用 Parakeet 实现，原生热词
与短语级流式；与 parakeet_tdt 同属 parakeet_tdt CMake target
（ALIASES），用 model-phonon2-asr feature 编译；
task 为 asr，离线+流式，en）
UnderdogBark3
Underdog Bark 3（Conway Research 英文 ASR，Standard/Plus/Pro，
复用 Parakeet 实现；与 parakeet_tdt 同 target（ALIASES），
用 model-underdog-bark3 feature 编译；task 为 asr，离线+流式，en）
HaasAsr
Haas ASR（Haas-ja-v1.0 日文 KDA-TDT ASR，复用 Parakeet 实现；
与 parakeet_tdt 同 target（ALIASES），用 model-haas-asr feature
编译；task 为 asr，离线+流式，ja）
Qwen3Tts
Qwen3 TTS
Confucius4Tts
Confucius4 TTS
DotsTts
Dots TTS
FishAudio
Fish Audio
FishDrama3
Fish Audio Drama 3（原生 MoE 语音生成/声音克隆/续写，社区模型，
语言 auto；task 为 tts 长文 / clon，离线+流式；克隆需参考音频
及其转写 reference_text，多参考/续写走 multi_reference_cond /
previous_takes 等 JSON 字符串选项）
GlmTts
GLM TTS
HiggsAudioTts
Higgs Audio TTS
IndexTts2
Index TTS2
IrodoriTts
Irodori TTS
MossTtsLocal
MOSS TTS Local
MossTtsNano
MOSS TTS Nano
MossTtsV15
MOSS-TTS-v1.5（8B delay-pattern 零样本声音克隆 TTS，en/zh；
task 为 tts/clon 仅离线；克隆需参考音频，请求选项
tokens/instruct/language/moss_tts_v15.weight_type）
MossVoicegen
MOSS VoiceGen（语音生成）
Neutts
Neutts
Outetts
Outetts
PocketTts
Pocket TTS
GradiumPhonon
Gradium Phonon（与 PocketTTS 同运行时：Mimi codec + flow 声学模型，
预置音色 default，可导出/复用 voice state；task 为 tts，
离线+流式；与 pocket_tts 同属 pocket_tts CMake target）
PocketTtsSmall
PocketTTS Small（英文 2m/7m/18m 及 ReFL 变体，实验性；
独立 CMake target pocket_tts_small，用 model-pocket-tts-small
feature 编译；task 为 tts/clon，离线+流式，en，
内置音色如 alba，克隆走 voice embeddings）
VieneuV3Turbo
VieNeu TTS v3 Turbo（越南语/英语 48kHz TTS + 即时声音克隆，社区模型；
上游族名由 vietneu_tts 改名而来，旧名仍可经 From<&str> 解析；
task 为 tts/clon 仅离线；文本输入为 SEA-G2P 音素）
Fireredtts3
FireRed TTS3（零样本语音合成）
F5Tts
F5 TTS
MagpieTts
Magpie TTS
Personaplex
PersonaPlex（多角色对话语音）
MinimaxH3
MiniMax H3
Sanotts
SanoTTS（社区 TTS，en/vi/id 共 7 个声音）
SoproTts
Sopro V2 Turbo TTS
MiraTts
MiraTTS（社区 TTS）
Cosyvoice3
CosyVoice3 TTS
BreezeTts
BreezeTTS
SopranoTts
Soprano TTS
EchoTts
Echo TTS
Voxcpm1
VoxCPM1 TTS
KokoroTts
Kokoro TTS（Kokoro 82M 多语 TTS，仅离线）
Zipvoice
ZipVoice（k2-fsa 社区流匹配 TTS，含 Distill 变体；en/zh；
task 为 tts/clon 仅离线；零样本克隆需 reference_text 选项）
Auk
AuK（腾讯 AuK / AuK-Flash 语音生成与编辑；
task 为 tts/edit 仅离线）
PiperTts
Piper TTS（社区 VITS TTS，首包英文 en_US-lessac-medium，22.05kHz mono；
task 为 tts 仅离线；请求选项 speed/variation/duration_variation/seed）
KittenTts
KittenTTS Mini 0.8（社区英文 TTS，80M 参数，8 个内置声音，24kHz mono；
task 为 tts 仅离线；请求选项 speed/seed，--voice-id 选声音）
KittenTts2
Kitten TTS 2（原生多语 Qwen3 语音生成 + S3 meanflow 解码 + 参考音频克隆；
task 为 tts/clon 仅离线）
Plapre
Plapre 3（丹麦语 TTS：Llama 自回归解码器 + Kanade 音频 codec，
内置 5 个音色；task 为 tts/clon，离线+流式（流式仅出完整文本块）；
克隆需 reference_text，另有 voice_id/context_text/edit_*_frame 等选项）
Kugelaudio
KugelAudio-0-Open（预置音色 TTS，增量音频输出；task 为 tts，离线+流式）
Maya1
Maya1（3B 表现力英文 TTS，自然语言音色设计 + 行内情感控制；
task 为 tts 仅离线）
MossTtsd
MOSS-TTSD（8B delay-pattern 对话 TTS：单遍多说话人 + 逐人零样本克隆，
24kHz 16 codebook；task 为 tts/clon 仅离线）
Ming3Tts
Ming 3.0 TTS 0.5B（Qwen 主干 + flow matching 声学头 + CAMPPlus 说话人
条件 + 音频 VAE，zh/en/ja/ko/de/fr/es；task 为 tts/clon/vdes
仅离线；voice_design/freeform 等模板经 template_name 选择）
XttsV2
XTTS v2（Coqui 跨语 TTS + 声音克隆：GPT-2 mel-code 生成器 + perceiver
条件重采样 + HiFi-GAN 解码器，17 语；task 为 tts 仅离线；
参考音频即说话人条件，language 选项必填）
SortformerDiar
SortFormer 说话人分离（Diar）
SortformerDiarV2
SortFormer v2.1 说话人分离（离线+流式，社区模型；
CMake target sortformer_diar_v2，用 model-sortformer-diar-v2 feature 编译）
SeedVc
Seed VC（语音转换）
Rvc
RVC（语音转换）
Meanvc2
MeanVC2（语音转换）
ToneColorVc
Tone Color VC（独立语音转换，需参考说话人录音；task 为 vc 仅离线）
Chatterbox
Chatterbox（说话人还原 / TTS）
ChatterboxTurbo
Chatterbox Turbo TTS（快速推理变体）
Vevo2
Vevo2（零样本 TTS / VC / 语音编辑）
Voxcpm2
VoxCPM2
AceStep
Complex Inversion（多任务音频）
Htdemucs
HTDemucs 音乐源分离
Htdemucs6Stems
HTDemucs 6-stem（鼓/贝斯/人声/其他/吉他/钢琴六轨；task 为 sep 仅离线；
与 htdemucs 同属 demucs CMake target，用 model-demucs feature 编译）
Mossformer2
MossFormer2（重叠语音分离，16kHz；task 为 sep 仅离线）
TfGridnet
TF-GridNet（时频 GridNet 重叠语音分离；task 为 sep 仅离线）
MelBandRoformer
Mel Band Roformer（乐音建模）
BsRoformer
BSRoformer
Muscriptor
Muscriptor（乐理描述）
Omnivoice
Omnivoice（条件自回归生成）
StableAudio
Stable Audio（音频生成）
MinimaxMusic3
MiniMax Music3（音乐生成）
Supertonic
Supertonic（音乐生成）
Yue2
YuE2（音乐生成：符号 ABC 规划 + 语义 codec + NAR 声学流合成；
仅离线，task 为 gen；请求为纯文本（歌词）+ style 选项，不消费音频）
MagentaRealtime2
Magenta RealTime 2（Google 帧自回归立体声音乐生成，实验性；文本/音频风格/
MIDI 条件；CMake target magenta_realtime_2，用 model-magenta-realtime-2
feature 编译；task 为 music（即 gen），离线+流式；结果在 audio_output；
请求选项 duration_sec/guidance_scale/note_guidance_scale/
drum_guidance_scale/use_mapper/pianoroll_file（JSON 字符串）/drums）
Sheetsage2
SheetSage2（音频转符号谱：输入录音，输出 ABC 乐谱产物；
仅离线，task 为 midi；结果在 artifact_output / output_artifacts）
VoxtralRealtime
Voxtral Realtime
VoxtralTts
Voxtral 4B TTS（Mistral Ministral 系自回归 + 流匹配 TTS，内置 20 个预置音色；
task 为 tts，离线+流式；语言 en/fr/es/de/it/pt/nl/ar/hi）
Audiosr
AudioSR（语音/音频超分辨率）
Apollo
Apollo（44.1kHz 压缩音频音乐修复；task 为 s2s 仅离线）
Universr
UniverSR（复数 STFT 流匹配音频超分至 48kHz；task 为 s2s 仅离线；
选项 input_sample_rate/sampler_mode/num_inference_steps/
guidance_scale/seed）
BuiltinAudioUtils
内置音频工具（降噪/增强/超分：deepfilternet2、rnnoise、zipenhancer、
gtcrn 系列、flashsr；task 为 s2s 仅离线；加载时 model_path
传权重文件或其所在目录（权重需另行下载，非内嵌），另须经 load_options
传 {"utility":"<工具 ID>"}（如 "rnnoise"）指定实现）
ControlFoley
ControlFoley（可控电影音效生成）
MidashEnglmGen
MidoAudio / MIdashengLM 生成式音频
Liveavatar
LiveAvatar（Wan S2V 音频驱动数字人；task 为 sfx（即 gen），
离线+流式）
Latentsync
LatentSync 1.6（音频驱动唇形同步参考视频，实验性；task 为 sfx
（即 gen）仅离线；请求选项 reference_video_file 必填，
需 FFmpeg 在 PATH）
SoulxFlashhead
SoulX-FlashHead Lite（音频驱动的流行人像视频生成，实验性；
CMake target soulx_flashhead，用 model-soulx-flashhead feature 编译；
task 为 sfx（即 gen），离线+流式；请求选项 reference_image_file
必填（单个 path），另有 height/width/num_inference_steps/
color_correction_strength/audio_guidance_scale；视频帧经
output_artifacts 回传，会话选项 exec_plan（vae.impl ggml/cudnn））
Reuse
RE-USE（采样率无关语音修复，双向 Mamba；task 为 s2s 仅离线）
RealtimeReuse
Real-time RE-USE（RE-USE 的实时流式变体，语言无关；独立 CMake target
realtime_reuse，用 model-realtime-reuse feature 编译；
task 为 s2s，离线+流式，结果在 audio_output）
SamAudio
SAM Audio（prompt 条件音频分离；task 为 s2s 仅离线）
Sidon
Sidon v0.1（单说话人语音修复，48kHz 输出；task 为 s2s 仅离线）
SmartTurn
Smart Turn（音频原生轮次完成检测，Whisper-Tiny 编码器；
task 为 turn 仅离线，16kHz mono，选项 threshold，结果在
custom_schema_output（schema smart_turn.v1））
MicroWakeWord
microWakeWord（MixedNet TFLite 转 GGUF 的流式唤醒词检测；
task 为 wake（别名 wake_word），离线+流式，16kHz mono，
检测结果在 speech_segments）
SherpaKws
sherpa KWS（Zipformer transducer 关键词检测，sherpa-onnx 导出；
task 为 wake（别名 wake_word），离线+流式，16kHz mono，
检测结果在 speech_segments）
OpenWakeWord
OpenWakeWord（共享语音嵌入 CNN + 转换分类器的唤醒词检测，英文
“alexa”；task 为 wake（别名 wake_word），离线+流式，
检测结果在 speech_segments，请求选项 threshold）
Ced
CED（Consistent Ensemble Distillation ViT 音频分类，527 个 AudioSet
类别；task 为 cls（别名 classify）仅离线，结果在
custom_schema_output（schema ced.classification.v1））
AstAudioset
AST AudioSet（Audio Spectrogram Transformer 多标签分类，527 个
AudioSet 类别；task 为 cls（别名 classify）仅离线，结果在
custom_schema_output（schema ast_audioset.classification.v1））
Miocodec
Miocodec / Miotts（小米语音）
Miotts
Miotts（小米 TTS）
Vibevoice
Vibevoice（语音转换）
Dramabox
Dramabox（剧本播客）
Heartmula
Heartmula
InflectV2
Inflect V2
Qwen3ForcedAligner
Qwen3 Forced Aligner（强制对齐）
MmsForcedAligner
MMS Forced Aligner（强制对齐，社区模型）
Ming3Audio
Ming 3.0 Audio Tiny（Whisper 音频编码器 + 混合 KDA/MLA MoE Thinker，
另有连续 latent Talker 产出语音；task 为 asr/s2s/tts/clon
仅离线，zh/en；内置 300+ Talker 音色，克隆需参考音频）
Custom(String)
未收录的模型族名（原样传给 C 边界）。
Implementations§
Source§impl ModelFamily
impl ModelFamily
Sourcepub fn from_path(path: &str) -> Option<ModelFamily>
pub fn from_path(path: &str) -> Option<ModelFamily>
按文件名关键词推断模型族。
GGUF / NeMo safetensors 无法被引擎自动探测族别，加载时必须显式指定。
上游社区习惯以模型族名命名权重文件（如 qwen3-asr-0.6b-q8_0.gguf、
sortformer-diar-4spk-v1-q8_0.gguf），本函数从文件名中的关键词
匹配到对应 ModelFamily；无法识别时返回 None，调用方应回退到
显式 hint 或 ModelFamily::Custom。
匹配规则按关键词首次命中，文件名需包含明确的族名（如 qwen3、
citrinet、moss-tts-nano）。#family= 片段（path#family=qwen3_asr）
会被剥离后参与匹配，同时优先于关键词命中。
§示例
use audio_cpp::ModelFamily;
assert_eq!(
ModelFamily::from_path("models/qwen3-asr-0.6b-q8_0.gguf"),
Some(ModelFamily::Qwen3Asr),
);
assert_eq!(
ModelFamily::from_path("model.gguf#family=citrinet_asr"),
Some(ModelFamily::CitrinetAsr),
);
assert_eq!(ModelFamily::from_path("my-weights.gguf"), None);