Traducere automată · Originalul în engleză

FireRedTTS3-Instruct

Nativ MLX design vocal dintr-un script exact și o instruire vocală. Mono PCM la 24 kHz; nu este necesară înregistrarea de referință.

FireRedTTS3-Instruct reţine Float32 model şi greutăţi de decodor. Returnează audio tamponat: omite --stream. Engleză şi chineză --language pseudonime sunt acceptate. O limită de generaţie ridică o eroare în loc de a returna succesul trunchiat.

SDK clugure sursă

Implementation (PR #541): main

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

Publicat MLX pachete: aufklarer/FireRedTTS3-Instruct-MLX-fp32

Linia de comandă

.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

Oferă un argument text, --instruct, și exact un director pachet sau model compatibil ID. audio de referință, boxe fixe și intrare lot sunt nesuportate.

Fiecare câmp de text și de instruire este limitat la octeți 32,768 UTF-8. Impexul complet de intrare, inclusiv șablonul său, trebuie să se potrivească în jetoane 4,096 . Intrările care depășesc oricare dintre limite sunt respinse.

Instrucţiuni TTS opţiuni

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()

Măsurători pe timp de execuție pe termen scurt

M5 Pro, 48 GiB, Release. Un scurt script neutru pe limbă; medianele a trei cereri calde după prima. Se exclude încărcarea și verificarea greutății; caches filesystem au fost calde. RTF = timp perete / durata audio, este mai rapid. Memoria fizică este procesul de mare apă pe toată încărcarea și patru cereri, în zecimal GB.

Domeniul de aplicare al validării

Calitatea de instruire-urmărire este nemarcată. Măsurătorile pe scurt descrie configurarea testată; certificarea latență model existent rămâne neconcludentă.

Instrucţiuni native TTS

Surse

• FireRedTTS3
• Discurs Swift