Breeze TTS 2

audio_tokenizer/LICENSE · Apache-2.0 · Qwen/Qwen3-TTS-Tokenizer-12Hz

Apple M5 Pro/48 GiB) TTFA / RTF / RSS

2026-10-30 · en · 8bit=3.20 s · bf16=3.20 s · seed=42 · CFG=4 · firstChunkFrames=3 · chunkFrames=25 · MLX cache=2 GiB · warm=3

MLX	TTFA p50	RTF	RSS (GiB)	טביעת רגל פיזית (GiB)
8bit	178	0.535	3.92	7.23
bf16	272 ms	0.868	6.06	9.22

WAV=45 · distinct=11 · 8bit PCM SHA256=baseline · unit=1933 · skipped=42 · E2E=15 · Qwen3-ASR-0.6B-MLX-4bit

BF16 עכשיו צעדים 0.868 RTF משפט קצר (בסיס: 1.258(ו) 0.853 על 9.20 סעיף (בסיס: 1.280אחת המסגרות הראשוניות נותנת למחשב הראשון ב-PCM 138 הכל. 11 גלפורים אחרונים שונים יש אפס נורמלי WER/CER עצמאי ASR; 8-bit ברירת מחדל-chunk פלט הוא על ידיte-זהה לבסיס. BF16 סיבוב יכול לשנות אודיו מושרש. SPEECH_SWIFT_BREEZE_GEMV=0 לפני שהטעינה להשוות את נתיב ההקרנה המקורי.

עבור סטארט-אפ מנגן נמוך יותר, השתמש במסגרות ראשוניות אחת, שתי מסגרות מעקב, וסעיף 1 GiB MLX cache התקציב 9.04 s 8-bit פסקה מגיע CLI prebuffer המשוער ב-190 ms, ללא תוספת מטבולת הנדרשת על ידי כניסות שנרשמו.זה מוציאה שיחות לאחור ותפוקה של de latency.

2026-10-30 · 8bit · 9.04 s · firstChunkFrames=1 · chunkFrames=2 · MLX cache=1 GiB · PCM=103 ms · buffer=190 ms · RTF=0.761 · peak=6.10 GiB

speech speak "The quick brown fox jumps over the lazy dog." --engine breeze \
  --instruct "A clear, calm English narrator." --first-chunk-frames 1 \
  --chunk-frames 2 --breeze-cache-limit-mib 1024 --stream -o fast-start.wav

TTFA כולל טעינה מודל ו-רמקולים Playback.תוצאות תלויות בחומרה, טקסט והגדרות. את ה- Model Policy caps Reusable MLX cache בקטן של 2 GiB ורבע אחד של זיכרון פיזי, לכבוד תקציבי יישומים הדוקים יותר. --breeze-cache-limit-mib יכול להוריד את התקרה כולה בתהליך; 0 disables reusable caching. Live מודל עשרות הם לא מוגבל.

אנגלית / סינית TTS עם עיצוב קול, הפניה משוב וכיוון, ופלט אודיו (MLX BF16/8-bit, 24 kHz; מחקר / רישיון לא מסחרי).

BreezeTTS · 24,000 Hz · 16 × 2,048 · 80 ms · MLX BF16 / 8-bit

שימוש

speech speak "The quick brown fox jumps over the lazy dog." --engine breeze \
  --instruct "A clear, calm English narrator." --stream -o design.wav

speech speak "The weather is beautiful today." --engine breeze \
  --voice-sample reference.wav --breeze-reference-text "Exact transcript." \
  --breeze-seed 42 -o clone.wav

speech speak "We need to discuss what happened." --engine breeze \
  --voice-sample reference.wav --breeze-reference-text "Exact transcript." \
  --instruct "Speak slowly, with a serious tone." --stream -o directed.wav

Swift API

import BreezeTTS

let model = try await BreezeTTSModel.fromPretrained()
let samples = try await model.generate(
    text: "The quick brown fox jumps over the lazy dog.",
    instruction: "A clear, calm English narrator.")

try await model.generateStreaming(text: "Hello, world!", instruction: "A warm voice.") { chunk in
    print(chunk.sampleRate, chunk.samples.count, chunk.isFinal)
}

אפשרויות אפשרויות

--breeze-model-id: aufklarer/Breeze-TTS-2-MLX-8bit
--breeze-bundle-dir
--breeze-cache-limit-mib: ניתן לשנות את תהליך ה- MLX תקציב ב- MiB; 0 disables caching.
--breeze-reference-text
--breeze-temperature: 0.9
--breeze-top-k: 50
--breeze-top-p: 1
--breeze-cfg-scale: 4
--breeze-max-frames: 750
--breeze-seed: 42
--first-chunk-frames: 3
--chunk-frames: 25

רישיון רישיון רישיון

דרבירד מ Breeze TTS 2 על ידי ברזה כחול ומוסמך לשימוש מחקר ולא מסחרי בלבד.

בראז'י מחקר כחול ורישיון לא-קומי · Breeze TTS 2 MLX 8-bit · Breeze TTS 2 MLX BF16

מקור והמרות

speech-swift / CATTS · ייצוא_breeze_mlx.py · WER / CER RSS / RSS TTFA / RTF