FireRedTTS3-Instruct

Design de voz em MLX nativo com roteiro exato e instrução de voz. PCM mono a 24 kHz, sem gravação de referência.

FireRedTTS3-Instruct mantém os pesos Float32 do modelo e do decodificador. Retorna áudio completo em memória: omita --stream. --language aceita aliases de inglês e chinês. Atingir o limite gera erro, em vez de sucesso com áudio truncado.

Ramo de revisão do SDK

Ramo de revisão do SDK (PR #541): feat/instructtts-candidates-20261029

git clone --single-branch --branch feat/instructtts-candidates-20261029 https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

Bundles MLX publicados: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Linha de 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

Forneça um texto, --instruct e exatamente um diretório de pacote ou ID compatível. Áudio de referência, falantes fixos e entrada em lote não são suportados.

Opções de TTS por instruções

API Swift

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()

Medições com textos curtos

M5 Pro, 48 GiB, Release. Um texto neutro curto por idioma; medianas de três pedidos a quente após o primeiro. Carregamento e verificação dos pesos excluídos; caches de ficheiros quentes. RTF = tempo de execução / duração do áudio: menor é mais rápido. A memória física é o máximo do processo durante o carregamento e quatro pedidos, em GB decimais.

Escopo de validação

O cumprimento de instruções ainda não foi pontuado. As medições com textos curtos descrevem a configuração testada; a certificação de regressão de latência continua inconclusiva.

TTS nativo por instruções

Fontes

• FireRedTTS3
• Speech Swift