Maskinoversættelse · Engelsk original

FireRedTTS3-Instruct

Native MLX stemme design fra et præcist script og en stemme instruktion. Mono PCM på 24 kHz; ingen reference optagelse er påkrævet.

FireRedTTS3-Instruct bevarer Float32 model og dekoder vægte. Det returnerer buffered audio: udelt --stream. Engelsk og kinesisk --language aliaser accepteres. En generation grænse hæver en fejl i stedet for at returnere trunkeret succes.

SDK kildeopbygning

Gennemførelse (PR # 541): main

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

Published MLX bundter: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Kommandolinje

.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

Giv et tekstargument, --instruct, og præcis en bundt mappe eller kompatibel model ID. Reference lyd, faste højttalere og batch input er ikke understøttet.

Hvert tekst- og instruktionsfelt er begrænset til 32,768 UTF-8 bytes. Den komplette afleverede inddataport, herunder dens skabelon, skal passe inden for 4,096 tokens. Indgange, der overskrider begge grænser, afvises.

Instruktion TTS muligheder

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()

Målinger af driftstid for kortscript

M5 Pro, 48 GiB, Release. Et kort neutralt script per sprog; medians af tre varme anmodninger efter den første. Indlæsning og vægt verifikation er udelukket; filsystem caches var varme. RTF = væg tid / lydvarighed, lavere er hurtigere. Fysisk hukommelse er processen højvande på tværs af lastning og fire anmodninger, i decimal GB.

Valideringsområde

Instruction- følgende kvalitet er uscoret. Kortscriptmålinger beskriver den testede opsætning; eksisterende-model latency certificering forbliver ukonklusivt.

Indfødt instruktion TTS

Kilder

• FireRedTTS3
• Tale Swift