תרגום מכונה · המקור באנגלית

Pocket TTS 100M

ה-Apple Runtime- PocketTTS

PocketTTS מוסיף Native CoreML סינתזה דיבור ל speech-swift.כל השלבים חדלו מביצוע CPU בלבד.The English Alba presets 1,920-sample מסגרות ב 24 kHz (80 ms למסגרת).

משלוח מכוונן חל על דיכוי חוזר.כל בקשה מחזיקה במצבה וזרעו.ביטול, כשלי שיחות ודור מגבילים את שגיאות הדיווח; השלמה מוצלחת פולטת נתח אחרון ריק אחד.קול שיבוט ושפות אחרות אינן נתמכות על ידי החבילה הזאת.

הורד את החבילה שפורסמה Aufklarer / Pocket-TTS-100M-CoreML-INT8 לשימוש ראשון, או לטעון יצוא מקומי. Retain intribution to Kyu, Fluidinference, ואלב MacKenna תחת CC BY 4.0.

Swift ושימוש CLI

speech speak "Hello world." --engine pocket --stream \
  --pocket-bundle-dir /path/to/bundle --pocket-seed 42 -o hello.wav
import PocketTTS
let model = try PocketTTSModel.fromBundle(URL(fileURLWithPath: "/path/to/bundle"))
try await model.generateStreaming(text: "Hello world.") { chunk in
    await consume(chunk.samples)
}

HTTP ו WebSocket

השתמש בכיסים עם קול alba. הזרמת HTTP דורש PCM; WebSocket

curl http://localhost:8080/v1/audio/speech \
  -H 'Content-Type: application/json' \
  -d '{"model":"pocket-tts","voice":"alba","input":"Hello world.","response_format":"pcm","stream":true}' \
  -o hello.pcm

Apple CPU ציון

Apple M5 Pro: 48 GiB first_audio_ms 78.9 · RTF 0.337 · peak_rss 866.8 המונחים: n=5 זרע=42 · 2026-10-17

Pocket TTS 100M הוא הגמישות הנמוכה, על-ידי קידוד אנגלית טקסט-to-speech Backend ב speech-core.הציבור ONNX

וידאו ראשון Audio

אי השוויון הוא באמת מבוי סתום: אחד המאוחרים הפרוגרסיביים מקודש ונפלט לפני דור המאוחר הבא. 1,920 Float32 דוגמאות - 80 ms at 24 kHz - הימנעות מקומה המלאה הקבועה של buffered TTS יצוא.

Published החבילה

Itemפרטים
מודל מודלsoniqo/Pocket-TTS-100M-ONNX-INT8
לשחררv1.0.0 · ad5d3fae3fb2f10024583708597afca8337c094c
גודל הבונד120.3 MiB
RuntimeONNX Runtime C++17 דינמיקה INT8 + FP32
Output24 kHz מונו Float32 PCM - 1,920 דגימות / 80 ms למסגרת
שפה / קולקול אלבה קבוע

הורד ולוודא

speech-core מורידים v1.0.0 ומאמתים כל קובץ שפורסם על ידי SHA-256.

bash scripts/download_pocket_tts_onnx.sh /models/pocket-tts-onnx

C++ API

#include <speech_core/models/onnx_pocket_tts.h>

speech_core::PocketTtsConfig config;
config.intra_threads = 2;
config.flow_steps = 4;

speech_core::OnnxPocketTts tts("/models/pocket-tts-onnx", config);
tts.synthesize("Hello world.", "en",
    [](const float* samples, size_t length, bool is_final) {
        // Each non-final callback is 1,920 Float32 samples:
        // 80 ms at 24 kHz.
    });

חידוש החוזה

ה-Callback מקבל מסגרת 80 אחת בכל פעם; סימני המפנה הסופיים של זרם. last_metrics() דוחות מיזוג, בינוני ראשון והיקף מוחלט, מסגרת ומודלים, מדינת EOS, ביטול והזרע היעיל. cancel() עוצר סינתזה פעילה.

Galaxy S23 Ultra Index

חבילה נקייה של הציבור v1.0.0 השתמש ONNX Runtime 1.27, 2 CPU חוטים, ו-Galaxy S23 Ultra. אלה הם מדידות מנוע ישיר, לא UI או מלא תזמון קולי-pelines.

מסובךתוצאה
TTFA p50 / p95127.7/133.7 ms
Total latency p50 / p95467.5 / 485.3 ms
Median RTF0.4495
שיא RSS373.7 MiB

המונחים: rising intelligibility

שער המכשיר מסונתז 46 ביטויים פיקודיים ועוזרים, שופץ את אודיו דרך ייצור 24 עד 16 kHz מסלול, וטרף אותו עם פרקט-אוומבר הפרוסים.

מסובךתוצאה
קורפוס46 ביטויים
תגית: Exact31 / 46
WER / CER8.00% / 3.47%
אודיו ריק / תמליל / EOSכישלונות0 / 0 / 0

עגול ASR אמצעים אינפורמטיביות, לא טבעיות או העדפה להקשיב; הוא משלים בדיקות האזנה.

מצב אינטגרציה

מה זמין היום

C++17 ONNX חזרה מתמזגת speech-core ונבנה Windows, Linuxו Androidההווה speech-android SDKנתיב JNI עדיין בוחר Kokoro באמצעות ברירת מחדל; בחירת מודל Kotlin, הורדת wiring, ו SDK החשיפה היא עבודה מעקב.סעיף זה מתאר את ONNX שחרור; הילידים Swift CoreML זמן ריצה מתועדו לעיל.

מגבלות ורישיונות

מקורות מקורות