Maskinoversettelse · Engelsk original
Higgs TTS 3
Denne førsteparten Soniqo sidedokumenter Higgs TTS 3 fra den lokale speech-swift / speech-core implementering. Hugging Face pakker er koblet under etter integrasjonsnotatene.
Innenrikssiden først
Landingskort og docs-menyer nå peker her først; kildemodell og pakkelenker er tilgjengelige fra denne siden.
På en glanse
| Modell | Higgs TTS 3 |
|---|---|
| Rolle | Samtale med TTS og null-shot kloning med inline følelser, stil og SFX-tagger |
| Motor | MLX bf16 ryggrad med float32 kodek |
| Utgang | 24 kHz mono bølgeform, 25 rammer i sekundet |
| Språk | 100+ språk |
| Lisens | Boson Higgs TTS 3 Forskning og ikke-kommersiell lisens |
| Status | Klar gjennom taletalen --engine higgs og HiggsTTS Swift produktet |
| Kilde | Boson AI higgs-tts-3-4b |
| Swift produkt | HiggsTTS |
| CLI/kjøretid | speech speak --engine higgs |
Bruk
Den snutten nedenfor speiler gjeldende speech-swift API eller kommando som eksponeres av repoen.
# 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
Modelllenker
Implementasjonsnotater
- RTF 0,78 på en M5 Pro for klonet og enkel syntese: sampling forblir på GPU med forsinkelsesrammen maskert på-device, og asyncEval overlapper avkoder-tilstandsmaskinen.
- Kloningsporter: Engelsk leksisk overlapp 1.00 og Mandarin CER 0.000 på ASR rundstriper; språkmodellen og kodeken er paritetsvalidert mot oppstrøms implementeringer i begge retninger.
- Kontrolltaggene er vanlige tegn inne i målteksten: <çemotivation:...®>, <Âstyle:whispering©> og <...®/gt;,<
- Koding av en 12 referansekostnader ca. 0,6 s én gang og kodene kan gjenbrukes på tvers av generasjoner; omdirigere --voice-sample for referansefri syntese i en aksjestemme.
- CLI standard til temperatur 0.8 fordi oppstrøms 1.0 wobbles på enkelt setninger; forventer ca. 8,6 GB topp RSS for 4B ryggraden.