Konekäännös · Englanninkielinen alkuperäinen

FireRedTTS3-Instruct

Natiivi MLX äänisuunnittelu tarkka skripti ja ääniohje. Mono PCM 24 kHz; viitetallennusta ei tarvita.

FireRedTTS3-Instruct säilyttää Float32 mallin ja dekooderipainot. Se palauttaa puskuroitua ääntä: jätä --stream. Englanti ja kiina --language aliasta hyväksytään.

SDK lähderakenne

Täytäntöönpano (PR #541) : main

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

Julkaistu MLX niput: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Komentorivi

.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

Esitä yksi tekstiparametri, --instruct, ja täsmälleen yksi nippuhakemisto tai yhteensopiva malli ID. Referenssiääni, kiinteät kaiuttimet ja eräsyöte eivät tue.

Jokainen teksti- ja opetuskenttä on rajattu 32,768 UTF-8 tavuihin. Täydellisen renderoidun syöteke-kehotuksen, mukaan lukien sen malli, on mahduttava 4,096-kuponkien sisälle. Molemmat raja-arvot ylittävät syötteet hylätään.

Ohje TTS optiot

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()

Lyhyen skriptin ajoajan mittaukset

M5 Pro, 48 GiB, Release. Yksi lyhyt neutraali skripti yhtä kieltä kohti; kolmen lämpimän pyynnön mediaanit ensimmäisen jälkeen. Lataus ja painontarkistus eivät tule kyseeseen; tiedostojärjestelmän välimuistit olivat lämpimiä. RTF = seinän kesto / äänen kesto, alempi on nopeampi. Fyysinen muisti on prosessi korkea-vesi koko lastaus ja neljä pyyntöä, desimaali GB.

Validoinnin soveltamisala

Ohjeen mukainen laatu on jakamaton. Lyhyen komentosarjan mittaukset kuvaavat testattua asetelmaa; olemassa olevan mallin latenssisertifikaatti ei ole vielä varma.

Pääopetus TTS

Lähteet

• FireRedTTS3
• Puhe Swift