FireRedTTS3-Instruct

सटीक स्क्रिप्ट और आवाज़ के निर्देश से मूल MLX में आवाज़ डिज़ाइन करें। 24 kHz मोनो PCM; संदर्भ रिकॉर्डिंग आवश्यक नहीं है।

FireRedTTS3-Instruct मॉडल और डिकोडर के Float32 भार रखता है। यह पूरा बफ़र किया ऑडियो लौटाता है: --stream छोड़ें। --language अंग्रेज़ी और चीनी उपनाम स्वीकार करता है। जनरेशन सीमा पर त्रुटि आती है, कटा ऑडियो सफल परिणाम नहीं माना जाता।

SDK समीक्षा शाखा

SDK समीक्षा शाखा (PR #541): feat/instructtts-candidates-20261029

git clone --single-branch --branch feat/instructtts-candidates-20261029 https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

प्रकाशित MLX बंडल: aufklarer/FireRedTTS3-Instruct-MLX-fp32

कमांड लाइन

.build/release/speech speak "The weather is beautiful today." \
  --engine fireredtts3 \
  --fireredtts3-model-id aufklarer/FireRedTTS3-Instruct-MLX-fp32 \
  --instruct "A calm adult female voice, speaking warmly and clearly." \
  --seed 2 --output firered.wav

एक टेक्स्ट तर्क, --instruct और बंडल निर्देशिका या संगत मॉडल ID में से ठीक एक दें। संदर्भ ऑडियो, तय वक्ता और बैच इनपुट समर्थित नहीं हैं।

निर्देश आधारित TTS विकल्प

Swift API

import FireRedTTS3TTS

let model = try await FireRedTTS3Model.fromPretrained(
    modelId: "aufklarer/FireRedTTS3-Instruct-MLX-fp32")
let output = try await model.generateWithPlan(
    text: "The weather is beautiful today.",
    instruction: "A calm adult female voice, speaking warmly.")
let pcm = output.samples
model.unload()

छोटे पाठ के रनटाइम माप

M5 Pro, 48 GiB, Release। हर भाषा में एक छोटा तटस्थ पाठ; पहले अनुरोध के बाद तीन वार्म अनुरोधों का मध्यक। लोडिंग और वज़न सत्यापन शामिल नहीं हैं; फ़ाइल कैश गर्म थे। RTF = रनटाइम / ऑडियो अवधि; कम मान तेज़ है। भौतिक मेमोरी लोडिंग और चार अनुरोधों में प्रक्रिया का सर्वोच्च मान है, दशमलव GB में।

सत्यापन का दायरा

निर्देश पालन की गुणवत्ता अभी स्कोर नहीं हुई है। छोटे पाठ के माप केवल जाँचे गए सेटअप को दिखाते हैं; मौजूदा मॉडलों की विलंबता रिग्रेशन जाँच अनिर्णायक है।

मूल निर्देश आधारित TTS

स्रोत

• FireRedTTS3
• Speech Swift