Strojový překlad · Anglický originál
Higgs TTS 3
Tahle první párty. Soniqo e-mailové dokumenty Higgs TTS 3 z místní speech-swift / speech-core provádění. Hugging Face Svazky jsou spojeny níže za poznámkami o integraci.
Interní stránka
Přistávací karty a docs menu nyní ukázat zde první; zdrojový model a svazky odkazy zůstávají k dispozici z této stránky.
V Glance
| Vzor | Higgs TTS 3 |
|---|---|
| Úloha | Konverzační TTS a zero-shot klonování s inline emoce, styl, a SFX tagy |
| Backend | MLX bf16 páteř s kodekem float32 |
| Výstup | 24 kHz mono waveform, 25 snímků za sekundu |
| Jazyky | 100 + jazyků |
| Licence | Boson Higgs TTS 3 Výzkumná a nekomerční licence |
| Stav | Připravena prostřednictvím řeči --engine higgs a HiggstS Swift produkt |
| Zdroj | Boson AI higgs-tts-3-4b |
| Swift produkt | HiggsTTS |
| CLI / runtime | speech speak --engine higgs |
Použití
Snippet níže odráží aktuální speech-swift API nebo příkaz vystavený repo.
# Expressive cloned speech with an inline emotion tag.
.build/release/speech speak "<|emotion:elation|> We did it — the demo works!" \
--engine higgs \
--voice-sample reference.wav \
--higgs-ref-text "Text spoken in the reference clip." \
-o higgs.wavModelové odkazy
Poznámky k provádění
- RTF 0.78 na M5 Pro pro klonovanou i jednoduchou syntézu: odběr vzorků se ponechá na GPU se zpožděnou maskou rampa na zařízení, a asynceEval překrývá dekódování s end- of- codes stavový stroj.
- Klonování bran: Anglický lexikální překrývání 1.00 a Mandarin CER 0.000 na ASR kruhových výjezdech; jazykový model a kodek jsou validovány proti přednímu provedení v obou směrech.
- Kontrolní značky jsou běžné tokeny uvnitř cílového textu: & lt; CLASSIFLAND 124; Emoce:... CLASSUFLANZ 124; & gt; Styl: Whispering CLASTIFLANK 124; SFX: laugh124;;, & gt;, & lt; OSODY: pauza 124; a přátelé.
- Enkódování referenčních nákladů 12 o 0.6 jednou a kódy jsou opakovaně použitelné po celé generace; vynechat --voice-sample pro referenční syntézu v akciovém hlase.
- CLI selhává na teplotu 0,8, protože proti proudu se 1.0 houpe na jednotlivých větách; pro páteř 4B očekávejte asi 8,6 GB nejvyšší RSS.