Traducere automată · Originalul în engleză

Higgs TTS 3

Această primă parte Soniqo documente de pagină Higgs TTS 3 de la local speech-swift / speech-core implementare. Hugging Face pachete sunt legate mai jos după notele de integrare.

Prima pagină internă

Carduri de aterizare și meniuri docs punct acum aici primul; model sursă și link-uri de pachet rămân disponibile de la această pagină.

La o strălucire

Model	Higgs TTS 3
Rol	Conversațional TTS și clonarea zero-shot cu emoție, stil și etichete SFX
Platformă	MLX bf16 coloana vertebrală cu float32 codec
Ieșire	24 kHz monoform de undă, 25 de cadre pe secundă
Limbi	100+ limbi
Licență	Boson Higgs TTS 3 Cercetare și licență non-comercială
Stare	Gata prin vorbire --engine higgs și HiggsTTTS Swift produs
Sursă	Boson AI higgs-tts-3-4b
Swift produs	`HiggsTTS`
CLI / timpul de funcționare	`speech speak --engine higgs`

Utilizare

Fragmentul de mai jos reflectă curentul speech-swift API sau comanda expusă de repo.

# 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

Modele de legături

Note de punere în aplicare

RTF 0,78 pe un dispozitiv M5 Pro pentru sinteză simplă și clonată: prelevarea de probe rămâne pe unitatea de măsură GPU cu rampa de întârziere mascată pe dispozitiv, iar asincEvalul se suprapune decodează cu mașina de stat de sfârșit de cod.
Portile clonare: Lexic Englez suprapunere 1.00 si Mandarin CER 0.000 pe ASR excursii rotunde; modelul lingvistic si codec sunt validate paritate-validate impotriva implementarilor in amonte in ambele directii.
Etichetele de control sunt jetoane obișnuite în interiorul textului țintă: <
Codificarea unui cost de referință de 12 s de aproximativ 0,6 s o dată și codurile sunt reutilizabile pe parcursul generațiilor; omiteți --voice-sample pentru sinteza fără referință într-o voce stoc.
CLI implicit la temperatura 0.8 deoarece în amonte 1.0 se clatină pe propoziții unice; se așteaptă la aproximativ 8.6 GB vârf RSS pentru coloana vertebrală 4B.