Terjemahan mesin · Versi asli bahasa Inggris

FireRedTTS3-Instruct

Percobaan

Build asli SDK dukungan dari sumber utama. Homebrew dan lain prebuilt CLI rilis mungkin tidak termasuk mesin ini belum.

MLX desain suara asli dari skrip dan instruksi suara yang tepat. Mono PCM di 24 kHz; tidak ada rekaman referensi yang diperlukan.

FireRedTTS3-Instruct ditahan Float32 Model dan bobot decoder. Ini mengembalikan audio yang dibanjiri: abaikan --stream. Inggris dan Cina --language Sebuah batas generasi menimbulkan kesalahan bukannya kembali terpotong sukses.

Sumber pembuatan SDK

Implementasi (PR # 541): main

git clone --single-branch --branch main https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

Bundel MLX yang diterbitkan: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Baris perintah

.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

Menyediakan satu argumen teks, --instruct, dan tepat satu direktori paket atau ID model yang kompatibel. Referensi audio, speaker tetap dan masukan batch tidak didukung.

Setiap teks dan daerah instruksi dibatasi 32,768 UTF-8 bytes. Inserm masukan yang telah diberikan lengkap, termasuk template, harus cocok dalam 4,096 Token. "Input" melebihi batas ditolak.

Instruksi opsi TTS

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()

Pengukuran waktu jalan script pendek

M5 Pro, 48 GiB, Release. Satu skrip netral singkat per bahasa; medians dari tiga permintaan hangat setelah pertama. Memuat dan verifikasi berat badan dikeluarkan; cache filesystem hangat. RTF = durasi waktu / audio dinding, lebih cepat. Memori fisik adalah proses high- air melintasi pemuatan dan empat permintaan, dalam desimal GB.

Skrip	Audio	PCM lengkap Hangat	RTF	Puncak memori fisik (GB)
Inggris	2.72	4.499	1.654	10.819
Mandarin	5.28	11.221	2.125	11.700

Ruang lingkup validasi

Instruktuasi - berikut kualitas tidak mencetak. Ukuran skrg-script menggambarkan setup teruji; ada - model sertifikasi latensi tetap tidak meyakinkan.

Instruksi asli TTS