תרגום מכונה · המקור באנגלית
Chatterbox Multilingual
זה הראשון צד Soniqo מסמכים Chatterbox Multilingual מה- speech-swift / speech-core יישום Hugging Face
דף ראשון
כרטיסי נחיתה ותפריטי docs מצביעים כאן קודם; מודל מקור וקישורי החבילה נותרים זמינים מהעמוד הזה.
ב-Glance
| מודל מודל | Chatterbox Multilingual |
|---|---|
| תפקידים | Multilingual Zero-shot-cloning TTS |
| חזרה | MLX fp16 על Apple; LiteRT |
| Output | 24 kHz מונופור |
| שפות | 23 שפות |
| רישיון רישיון רישיון | MIT |
| סטטוס | MLX שיבוט בריצה; LiteRT בצע/default-voice לרוץ זמן לפריסות קצה |
| מקור Source | Resemble AI Chatterbox |
| Swift מוצר | ChatterboxTTS |
| CLI / Runtime | speech-swift Runtime; LiteRT לדוגמה CLI ב speech-core/examples/litamples/ertexamples |
שימוש בשימוש
החטיפה מתחת למראות את speech-swift API או פקודה שנחשפו על ידי ה-Repo.
import ChatterboxTTS
let model = try await ChatterboxTTSModel.fromPretrained()
let pcm = try model.clone(
referenceSamples: reference,
sampleRate: 24_000,
text: "The cloned voice now speaks a new sentence.",
languageId: "en"
)מודל קישורים
הערות יישום
- הורד מתחלק בין ה- Chatterbox החבילה ו- S3 tokenizer repository.
- Pipeline הוא T3 אסימונים טקסט-to-speech, S3Gen זרם פעמוני, ולאחר מכן HiFi-gan / HiFTGenerator vor.
- קליפים הפניה מדגימים עד 24 kHz עבור S3Gen ו 16 kHz עבור רמקולים / כוונון.
- ה- MLX משטפת ו- Standalone S3Gen synthesis משתמשת במדיניות זיכרון מאוזנת: up-to-512 MiB cache ו- cache מנקה בין השלבים.
memoryOptions: .unrestrictedדלג על הדור הזה שולט; ה- Model-Life Cap עדיין חל. - פלאש Core ML Cloing משתמש MLX בהתייחסות-audio encoders כדי להכין את המיזוג, ולאחר מכן רץ T3/S3Gen Core ML. CFG נשאר ללא חדלות מחדל אלא אם החבילה כוללת ברירת מחדל.
t3/NullTextPrefill.mlmodelcהציבור 192-token Audio יחזיר את הפניה פלאש ב 6 שניות כך שנוצר דיבור יש מקום. - speech-core LiteRT נתיב אוניות קול ברירת מחדל; fp16 T3 מומלץ לאיכות ערבית.