Traduzione automatica · Originale inglese

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)	Ingombro fisico di picco (GiB)
8 bit	178 m	0.535	3.92	7.23
bf16	272 m	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 ora le misure 0.868 RTF sulla breve frase (baseline: 1.258) e 0.853 sul 9.20 s paragrafo (baseline: 1.280). Una cornice iniziale dà il primo PCM a 138 Tutti. 11 forme d'onda finali distinte hanno zero normalizzato WER/CER in indipendente ASR; 8-bit default-chunk output è byte-identico alla linea di base. BF16 arrotondamento può cambiare l'audio seme. Set SPEECH_SWIFT_BREEZE_GEMV=0 prima di caricare per confrontare il percorso di proiezione originale.

Per l'avvio della riproduzione inferiore, utilizzare un frame iniziale, due frame di follow-up, e un paragrafo 1 GiB MLX cache budget. Il 9.04 s 8-bit raggiunge il prebuffer CLI stimato a 190 ms, senza buffer aggiuntivi richiesti dagli arrivi a blocchi registrati.

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 esclude la riproduzione del modello di caricamento e dell'altoparlante. I risultati dipendono dall'hardware, dal testo e dalle impostazioni. I tappi di policy del modello condiviso riutilizzabili MLX cache al più piccolo di 2 GiB e un quarto di memoria fisica, onorando i budget applicativi più stretti. --breeze-cache-limit-mib può abbassare questo soffitto a livello di processo; 0 disabilita il caching riutilizzabile.

Inglese/cinese TTS con design vocale, clonazione di riferimento e direzione, e audio streamed (MLX BF16/8-bit, 24 kHz; ricerca/ licenza non commerciale).

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

Utilizzo

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)
}

Opzioni

--breeze-model-id: aufklarer/Breeze-TTS-2-MLX-8bit
--breeze-bundle-dir
--breeze-cache-limit-mib: Opzionale processo-wide riutilizzabile MLX cache budget in MiB; 0 disabilita il caching.
--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

Licenza

Derivato da Breeze TTS 2 di Breeze Blue e concesso in licenza per la ricerca e l'uso non commerciale.

Breeze Blue Ricerca e Licenza non commerciale · Breeze TTS 2 MLX 8- Abitazione · Breeze TTS 2 MLX BF16

Fonte e conversione

speech-swift / BreezeTTS · export_breeze_mlx.py · WER / CER / RSS / TTFA / RTF