Supertonic-3
Esta página de Soniqo documenta Supertonic-3 tal como está implementado en speech-swift / speech-core. Los enlaces a Hugging Face aparecen debajo de las notas de integración.
Primero página interna
Las tarjetas y menús apuntan primero aquí; los enlaces al modelo fuente y a los bundles siguen disponibles en esta página.
Resumen
| Modelo | Supertonic-3 |
|---|---|
| Rol | G2P-free multilingual text-to-speech |
| Backend | CoreML (Apple Neural Engine / GPU) and LiteRT |
| Salida | 44.1 kHz mono Float32 PCM |
| Idiomas | 31 languages plus a neutral na tag |
| Licencia | OpenRAIL-M weights, MIT code |
| Estado | Ready for CoreML; LiteRT reference implementation in speech-core |
| Fuente | Supertone Supertonic-3 |
| Producto Swift | SupertonicTTS |
| CLI / runtime | Shared TTS pipeline / server integration; LiteRT C++ wrapper for edge runtimes |
Uso
El fragmento siguiente refleja la API o el comando actual expuesto por 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"
)Enlaces del modelo
Notas de implementación
- 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.