Konekäännös · Englanninkielinen alkuperäinen

Supertonic-3

Tämä ensimmäinen osapuoli Soniqo sivuasiakirjat Supertonic-3 paikalliselta speech-swift / speech-core -toteutus. Hugging Face -paketit liitetään alla olevien integrointihuomautusten jälkeen.

Sisäinen sivu ensin

Laskeutumiskortit ja dokumentit ovat nyt tässä ensin; lähdemalli ja nippulinkit ovat saatavilla tältä sivulta.

Katselu

Malli	Supertonic-3
Rooli	G2P-free monikielinen teksti puheelta
Taustaosa	CoreML (Apple Neural Engine / GPU) ja LiteRT
Tuotos	44,1 kHz mono Float32 PCM
Kieli	31 kieltä ja neutraali na tag
Lisenssi	OpenRAIL-M-painot, MIT-koodi
Tila	Valmiina CoreML; LiteRT viitetoteutukseen speech-core
Lähde	Supertoni Supertonic-3
Swift -tuote	`SupertonicTTS`
CLI / ajoaika	Jaettu TTS putkiston/palvelimen integrointi; LiteRT C++ kääre reunan ajoajassa

Käyttö

Alla oleva nappula peilaa virta speech-swift API tai repon paljastamaa komentoa.

import SupertonicTTS

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

Malli Linkit

Täytäntöönpano Huomioita

Ei espeak-, phonemizer- tai Lexicon-tekstiä: teksti on NFKD-normalisoitu ja kartoitettu Unicode-indeksitaulukon kautta.
Lataa käyttää eksplisiittistä CoreML paketti globs neljälle kaaviolle sekä tokeneizer, config, ja äänityyli JSON-tiedostoja.
Apple-vienti käyttää dynaamista latenttipituutta; nykyinen LiteRT -polku käyttää kiinteitä kuviomuotoja ja pilkoo pidempiä tekstejä.
Äänet ovat esilaskettuja tyylien esiasetuksia F1-F5 ja M1-M5; laitteiden kloonaus ei kuulu soveltamisalaan, koska tyyliä ei vapauta.