תרגום מכונה · המקור באנגלית

MOSS-TTS-Nano

ביטוי הזרמת סינתזה וקול מתעתד עם CoreML, 48 kHz אודיו סטריאו ו 80 ms.

Apache-2.0 aufklarer/MOSS-TTS-Nano-100M-CoreML

CLI C

speech speak "Hello world." --engine moss-nano -o hello.wav
speech speak "The weather is nice today." --engine moss-nano \
  --voice-sample reference.wav --moss-nano-seed 1 -o cloned.wav
speech speak "Hello world." --engine moss-nano --stream --play -o streamed.wav

השתמש --voice-sample עבור שיבוט קול; אין צורך בתעתיק ההתייחסות.הפניות מונופלות לסטריאו, מופצות ל-48 kHz ונצמדות לגבול 80 מ'. Encode acall a once and reuses את הקודים שלה על פני בקשות.

Swift API

import AudioCommon
import MossTTSNano

let model = try await MossTTSNanoModel.fromPretrained()
let reference = try await model.encodeReference(url: referenceURL)
let result = try await model.synthesize(
    text: "The weather is nice today.", reference: reference,
    options: MossTTSNanoOptions(maxFrames: 300, seed: 1))
try WAVWriter.writeStereo(left: result.left, right: result.right,
    sampleRate: 48000, to: outputURL)

MossTTSNanoModelize בקשות ויוצר מצב CoreML עבור כל מילה.סינתנת סטream לשמר סטריאו; נאונדרציהModel מחזיר מונו למטה.com שפה: nil. Streams לסיים עם סימן סופי ריק.

גבולות ומדידות

macOS 15+ / iOS 18+4 גרפים מודפסים 367.6 MB. Prompt, הפניה ומסגרות מבוקשות לחלוק 1,024- המשך ההקשר.הזמן הדוחה על גדותיו מעלה שגיאה אם מקספרמס מגיע לפני סוף טבעי של סוף-סוף. CPU ברירת מחדל; היתרי gpu CPU+GPU ביצוע. PCG64 דגימה משתמשת בזרעים מתואמים של NumPy; הבדלים מספריים חוזרים יכולים עדיין לשנות את התפוקה.

Python/CoreML על A M5 Pro, 48 GB, macOS 26.6.2תהליכים טריים נפרדים, 5 בקשות חמות לכל מקרה. Cloning משתמשות ב- Cloning 2.72הפניה שנייה. First/warm כוללת התייחסות לקריאה, טעינה קודר וקידוד; קודים קלושים מסורקים.סיינטזה מודל טעינה נשללת. RSS כולל את המלא Python עובד ללא PyTorch או ASRאלה לא Swift או אייפון מדידות ולא למדוד את ההשוואה של הדובר.

Swift

Native Native Swift שחררו את CLI על אותו הדבר M5 Pro: בקשה אחת לתהליך טרי, עם אותה התייחסות, טקסט וזרע. הכנה הפניה נכללת; טעינה של מודל סינתזה אינה נכללת. RSS מכסה את כל CLI ללא כל CLI. ASR משקלים: דאשים פירושו מקרים חמים / קמצ'ה. ASR עם המשפט המבוקש המדויק.

MossTTSNano OpenMOSS