Tłumaczenie automatyczne · Oryginał angielski
Supertonic-3
Ta pierwsza strona Soniqo dokumentuje Supertonic-3 z lokalnej implementacji speech-swift / speech-core. Hugging Face są połączone poniżej po notatkach integracyjnych.
Strona wewnętrzna pierwsza
Karty do lądowania i menu doków wskazują najpierw tutaj; model źródłowy i linki do pakietów pozostają dostępne na tej stronie.
At a Glance
| Wzór | Supertonic-3 |
|---|---|
| Rola | G2P-free wielojęzyczny tekst-to- mowa |
| Wstecz | CoreML (Apple Neural Engine / GPU) i LiteRT |
| Wyjście | 44.1 kHz mono Float32 PCM |
| Języki | 31 języków plus neutralny na tag |
| Licencja | Wagi OpenRAIL- M, kod MIT |
| Status | Gotowy do realizacji odniesienia CoreML; LiteRT w speech-core |
| Źródło | Supertone Supertonic-3 |
| Produkt Swift | SupertonicTTS |
| CLI / runtime | Wspólna integracja gazociągu / serwera TTS; owijanie LiteRT C++ dla runtimes krawędzi |
Stosowanie
Poniższy fragment jest odzwierciedleniem bieżącego speech-swift API lub polecenia zdemaskowanego przez repo.
import SupertonicTTS
let tts = try await SupertonicTTSModel.fromPretrained()
let pcm = try tts.synthesize(
text: "Hello from an on-device voice.",
voiceId: "F1",
language: "en"
)Wzory linków
Uwagi do wdrożenia
- Brak especka, fonemizera lub leksykonu: tekst jest znormalizowany i odwzorowany przez tablicę indeksową Unicode.
- Pobierz wykorzystuje wyraźne Globy pakietów CoreML dla czterech wykresów plus tokenizer, konfig i styl głosu plików JSON.
- Eksport Apple wykorzystuje dynamiczną długość utajoną; obecna ścieżka LiteRT używa stałych kształtów wykresów i fragmentów dłuższego tekstu.
- Głosy są wstępnie obliczone preskrypcje stylów F1-F5 i M1-M5; klonowanie on- device jest poza zakresem, ponieważ styl ekstraktor nie jest zwolniony.