Supertonic-3

Diese Soniqo-Seite dokumentiert Supertonic-3 aus der lokalen speech-swift- / speech-core-Implementierung. Hugging-Face-Bundles sind nach den Integrationshinweisen verlinkt.

Zuerst interne Seite

Landing-Karten und Docs-Menüs führen zuerst hierher; Quellen- und Bundle-Links bleiben auf dieser Seite verfügbar.

Überblick

Modell	Supertonic-3
Rolle	G2P-free multilingual text-to-speech
Backend	CoreML (Apple Neural Engine / GPU) and LiteRT
Ausgabe	44.1 kHz mono Float32 PCM
Sprachen	31 languages plus a neutral na tag
Lizenz	OpenRAIL-M weights, MIT code
Status	Ready for CoreML; LiteRT reference implementation in speech-core
Quelle	Supertone Supertonic-3
Swift-Produkt	`SupertonicTTS`
CLI / Laufzeit	Shared TTS pipeline / server integration; LiteRT C++ wrapper for edge runtimes

Verwendung

Das folgende Snippet entspricht der aktuellen API oder dem aktuellen Befehl aus speech-swift.

import SupertonicTTS

let tts = try await SupertonicTTSModel.fromPretrained()
let pcm = try tts.synthesize(
    text: "Hello from an on-device voice.",
    voiceId: "F1",
    language: "en"
)

Modelllinks

Implementierungsnotizen

No espeak, phonemizer, or lexicon: text is NFKD-normalized and mapped through a Unicode index table.
Download uses explicit CoreML package globs for the four graphs plus tokenizer, config, and voice style JSON files.
The Apple export uses dynamic latent length; the current LiteRT path uses fixed graph shapes and chunks longer text.
Voices are precomputed style presets F1-F5 and M1-M5; on-device cloning is out of scope because the style extractor is not released.