Traduzione automatica · Originale inglese

FireRedTTS3-Instruct

Native MLX design vocale da uno script esatto e un'istruzione vocale. Mono PCM a 24 kHz; non è richiesta alcuna registrazione di riferimento.

FireRedTTS3-Instruct mantiene il modello Float32 e i pesi decoder. restituisce l'audio bufferizzato: omit --stream. Gli alias --language sono accettati. Un limite di generazione solleva un errore invece di restituire il successo troncato.

SDK creazione di sorgenti

Attuazione (PR #541): main

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

Pubblicato MLX fasci: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Linea di comando

.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

Fornire un argomento di testo, --instruct, e esattamente una directory di bundle o un ID modello compatibile.

Ogni campo di testo e istruzioni è limitato a 32.768 byte UTF-8. Il prompt completo di ingresso reso, compreso il suo modello, deve essere inserito entro 4.096 token.

Opzioni di istruzione 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()

Misurazioni di tempo di esecuzione a breve termine

M5 Pro, 48 GiB, Release. Un breve script neutro per lingua; mediani di tre richieste calde dopo il primo. Sono escluse le verifiche di carico e di peso; le cache del filesystem erano calde. RTF = tempo di parete / durata audio, più bassa è più veloce. La memoria fisica è il processo ad alta acqua attraverso il carico e quattro richieste, in decimale GB.

Ambito di validità

Le misure a breve termine descrivono la configurazione testata; la certificazione di latenza esistente rimane inconcludente.

Istruzioni native TTS

Fonti

• FireRedTTS3
• Discorso Swift