Terjemahan mesin · Versi asli bahasa Inggris

Higgs TTS 3

Pesta pertama ini. Soniqo dokumen halaman Higgs TTS 3 dari lokal speech-swift / speech-core implementasi. Hugging Face bundel dihubungkan di bawah ini setelah catatan integrasi.

Halaman Internal Pertama

Mendarat kartu dan menu dokumen sekarang menunjuk di sini pertama; model sumber dan bundel link tetap tersedia dari halaman ini.

Pada sebuah Glance

Model	Higgs TTS 3
Peran	Percakapan TTS dan zero- tembakan kloning dengan emosi inline, gaya, dan tag SFX
Backend	MLX bf16 tulang punggung dengan kodek float32
Keluaran	24 kHz mono waveform, 25 frame per detik
Bahasa	100 + bahasa
Lisensi	Boson Higgs TTS 3 Lisensi Penelitian dan Non-Komersial
Status	Siap melalui pidato --engine higgs dan produk HiggsTTS Swift
Sumber	Boson Al higgs-tts-3-4b
Produk Swift	`HiggsTTS`
CLI / waktu jalan	`speech speak --engine higgs`

Gunakan

snippet di bawah cermin yang sekarang speech-swift API atau perintah yang terkena repo tersebut.

# Expressive cloned speech with an inline emotion tag.
.build/release/speech speak "<|emotion:elation|> We did it — the demo works!" \
  --engine higgs \
  --voice-sample reference.wav \
  --higgs-ref-text "Text spoken in the reference clip." \
  -o higgs.wav

Taut Model

Catatan Implementasi

RTF 0.78 pada M5 Pro untuk kloning dan biasa sintesis sama: sampling tetap pada GPU dengan delay ramp bertopeng pada perangkat, dan asyncEval tumpang tindih dengan mesin negara dengan kode akhir.
Kloning gates: overlap leksikal Inggris 1.00 dan Mandarin CER 0.000 nyala ASR bundaran; model bahasa dan codec adalah parity- validasi terhadap implementasi upstream di kedua arah.
Tag control adalah token biasa di dalam teks target: & lt; igt; emotion 124r & gt;... 124; gaya kontrol adalah token-token biasa dalam teks target. & lt; 144; sfx: laughter 124; & lt; / i & gt;, & lt; 44; prosody: pause 124; dan friends.
Encoding a 12 s referensi biaya tentang 0.6 s sekali dan kode dapat digunakan kembali di seluruh generasi; omit --voice-sample untuk referensi - bebas sintesis dalam suara saham.
CLI mengalami default terhadap suhu 0,8 karena arus hulu 1,0 bergetar pada kalimat tunggal; berharap sekitar 8,6 GB puncak RSS untuk tulang punggung 4B.