Terjemahan mesin · Versi asli bahasa Inggris

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)	Peak jejak fisik (GiB)
8bit	178 md	0.535	3.92	7.23
bf16	272 md	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 sekarang langkah-langkah 0.868 RTF pada kalimat pendek (baseline: 1.258) dan 0.853 pada 9.20 paragraf s (baseline: 1.280). Satu frame awal memberikan PCM pertama di 138 Nn. 11 gelombang akhir yang berbeda memiliki nol normalisasi WER/CER mandiri ASR; 8-bit default-chunk output adalah byte- identik dengan baseline. BF16 pembulatan dapat mengubah audio yang ditaburi. Set SPEECH_SWIFT_BREEZE_GEMV=0 sebelum memuat untuk membandingkan jalur proyeksi asli.

Untuk startup pemutaran yang lebih rendah, gunakan satu bingkai awal, dua frame follow- up, dan 1 GiB MLX anggaran cache. 9.04 s 8-bit paragraf mencapai diperkirakan CLI prebuffer di 190 ms, tanpa tambahan buffering yang dibutuhkan oleh penerimaan potongan yang direkam. Ini tidak termasuk membuat callback dan outputt- perangkat latensi.

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 jangan masukan pemuatan model dan memutar speaker. Hasil bergantung pada perangkat keras, teks, dan pengaturan. Kebijakan model bersama memakai kembali huruf MLX cache di lebih kecil dari 2 GiB dan seperempat memori fisik, menghormati anggaran aplikasi yang lebih ketat. --breeze-cache-limit-mib dapat menurunkan langit-langit ini lebar; 0 dapat mematikan caching yang dapat digunakan ulang. Sensor model hidup tidak terbatas.

Inggris / Cina TTS dengan desain suara, referensi kloning dan arah, dan streaming audio (MLX BF16/8-bit, 24 kHz; penelitian / non-komersial lisensi).

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

Penggunaan

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)
}

Opsi

--breeze-model-id: aufklarer/Breeze-TTS-2-MLX-8bit
--breeze-bundle-dir
--breeze-cache-limit-mib: Proses opsional-luas dapat digunakan kembali anggaran cache MLX di MiB; 0 menonaktifkan cache.
--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

Lisensi

Berasal dari Breeze TTS 2 oleh Breeze Blue dan lisensi untuk penelitian dan non-komersial hanya menggunakan.

Breeze Blue Research and Non- Commercial License · Breeze TTS 2 MLX 8-bit · Breeze TTS 2 MLX BF16

Sumber dan konversi

speech-swift / BreezeTTS · export _ breeze _ mlx.py · WER / CER / RSS / TTFA / RTF