FireRedTTS3-Instruct

Diseño de voz con MLX nativo a partir de un guion exacto y una instrucción. PCM mono a 24 kHz, sin grabación de referencia.

FireRedTTS3-Instruct conserva pesos Float32 del modelo y del decodificador. Devuelve el audio completo en memoria: omita --stream. --language acepta alias de inglés y chino. Alcanzar el límite genera un error, no un resultado truncado satisfactorio.

Rama de revisión del SDK

Rama de revisión del SDK (PR #541): feat/instructtts-candidates-20261029

git clone --single-branch --branch feat/instructtts-candidates-20261029 https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

Paquetes MLX publicados: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Línea de comandos

.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

Indique un texto, --instruct y exactamente un directorio de paquete o un ID de modelo compatible. No admite audio de referencia, voces fijas ni entrada por lotes.

Opciones de TTS por instrucciones

API Swift

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()

Mediciones con textos cortos

M5 Pro, 48 GiB, Release. Un texto neutro corto por idioma; medianas de tres solicitudes en caliente después de la primera. Se excluyen carga y verificación de pesos; la caché de archivos estaba caliente. RTF = tiempo de ejecución / duración del audio: menor es más rápido. La memoria física es el máximo del proceso durante la carga y las cuatro solicitudes, en GB decimales.

Alcance de validación

El seguimiento de instrucciones aún no se ha puntuado. Las mediciones con textos cortos describen la configuración probada; la certificación de regresión de latencia sigue siendo inconclusa.

TTS nativo por instrucciones

Fuentes

• FireRedTTS3
• Speech Swift