Terjemahan mesin · Versi asli bahasa Inggris

MOSS- TTS- Nano

Sintesis suara dan suara berklon dengan CoreML, audio stereo 48 dan chunks 80 ms.

Apache-2.0 · aufklarer / MOSS-TTS-Nano-100M-CoreML

CLI

speech speak "Hello world." --engine moss-nano -o hello.wav
speech speak "The weather is nice today." --engine moss-nano \
  --voice-sample reference.wav --moss-nano-seed 1 -o cloned.wav
speech speak "Hello world." --engine moss-nano --stream --play -o streamed.wav

Gunakan --voice-sample untuk pengkloning suara; tidak ada transkrip referensi dibutuhkan. Referensi Mono diduplikasi ke stereo, diresepkan ke 48 kHz dan padded ke 80 ms. kode referensi sekali dan gunakan kembali kode melalui permintaan.

Swift API

import AudioCommon
import MossTTSNano

let model = try await MossTTSNanoModel.fromPretrained()
let reference = try await model.encodeReference(url: referenceURL)
let result = try await model.synthesize(
    text: "The weather is nice today.", reference: reference,
    options: MossTTSNanoOptions(maxFrames: 300, seed: 1))
try WAVWriter.writeStereo(left: result.left, right: result.right,
    sampleRate: 48000, to: outputURL)

MossTTSNanoModel serializes permintaan dan menciptakan segar CoreML keadaan untuk setiap tingkat. mensintesis dan synthesizeStream melestarikan stereo; SpeechGenerationModel mengembalikan sebuah downmix mono. Pass bahasa: nil. Streams berakhir dengan penanda akhir kosong.

Batas dan pengukuran

macOS 15+ / iOS 18+; empat grafik yang dikompile total 367.6 MB. Prompt, referensi dan diminta berbagi frame 1,024-row konteks. Kegagalan waktu-jalan overflow dan menimbulkan kesalahan jika maxFrames dicapai sebelum akhir natural -of- pidato. CPU adalah perizinan baku; gpu CPU+GPU Eksekusi. PCG64 sampling menggunakan NumPy-compatible seeds; backend numerik difference masih dapat mengubah keluaran.

Python/CoreML pada M5 Pro, 48 GB, macOS 26.6.2; pisahkan proses segar, lima permintaan hangat per kasus. Mengkloning menggunakan 2.72-second reference. First / warm including reading reference loading, enkoder, and encoder; cache reuse codes. Synthesis model loading tidak termasuk. RSS termasuk penuh Python Pekerja, tanpa PyTorch atau ASRIni bukan Swift atau pengukuran iPhone dan jangan mengukur kesamaan speaker.

Swift

Asli Swift Rilis CLI pada sama M5 Pro: satu permintaan per proses segar, dengan referensi yang sama, teks dan benih. Persiapan referensi disertakan; pemuatan model sintesis- tidak termasuk. RSS mencakup seluruh CLI tanpa ASR bobot. dash berarti tidak diukur kasus hangat / cache. Kedua outputs dilewatkan independen ASR dengan kalimat yang tepat yang diminta.

MossTTSNano · OpenMOSS