Strojový překlad · Anglický originál

FireRedTTS3-Instruct

Nativní hlasový design MLX z přesného skriptu a hlasového návodu. Mono PCM na 24 kHz; není vyžadován žádný referenční záznam.

FireRedTTS3-Instruct si ponechává model Float32 a závaží dekodérů. Vrací buffered audio: omit --stream. Anglické a čínské --language aliasy jsou přijímány. Generační limit zvyšuje chybu místo návratu zkrácený úspěch.

SDK tvorba zdrojů

Implementace (PR # 541): main

git clone --single-branch --branch main https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

Publikované balíky MLX: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Příkazová linka

.build/release/speech speak "The weather is beautiful today." \
  --engine fireredtts3 \
  --fireredtts3-model-id aufklarer/FireRedTTS3-Instruct-MLX-fp32 \
  --instruct "A calm adult female voice, speaking warmly and clearly." \
  --seed 2 --output firered.wav

Poskytněte jeden textový argument, --instruct, a přesně jeden adresář svazku nebo kompatibilní model ID. Referenční audio, pevné reproduktory a dávkové vstupy jsou nepodporovány.

Každé pole textu a instrukcí je omezeno na 32,768 UTF-8 bytes. Kompletní vykreslený vstupní příkaz, včetně jeho šablony, se musí vejít do žetonů 4,096. Vstupy překračující buď limit jsou zamítnuty.

Instrukce Volby TTS

Swift API

import FireRedTTS3TTS

let model = try await FireRedTTS3Model.fromPretrained(
    modelId: "aufklarer/FireRedTTS3-Instruct-MLX-fp32")
let output = try await model.generateWithPlan(
    text: "The weather is beautiful today.",
    instruction: "A calm adult female voice, speaking warmly.")
let pcm = output.samples
model.unload()

Měření runtime pro zkrácený skript

M5 Pro, 48 GiB, Release. Jeden krátký neutrální skript na jazyk; mediáni tří teplých požadavků po prvním. Ověření hmotnosti a zatížení jsou vyloučeny; cache filesystem byly teplé. RTF = doba trvání stěny / audio, nižší je rychlejší. Fyzická paměť je proces high-voda přes zatížení a čtyři požadavky, v desetinné GB.

Rozsah validace

Instruction- following quality is unscored. Měření skriptu popisují testované nastavení; certifikace existující modelu latence zůstává neprůkazná.

Individuální instrukce TTS

Zdroje

• FireRedTTS3
• Projev Swift