Supertonic-3
Эта страница Soniqo описывает Supertonic-3 из локальной реализации speech-swift / speech-core. Ссылки на Hugging Face находятся ниже после заметок по интеграции.
Сначала внутренняя страница
Карточки и меню документации сначала ведут сюда; ссылки на исходную модель и бандлы остаются на этой странице.
Кратко
| Модель | Supertonic-3 |
|---|---|
| Роль | G2P-free multilingual text-to-speech |
| Backend | CoreML (Apple Neural Engine / GPU) and LiteRT |
| Вывод | 44.1 kHz mono Float32 PCM |
| Языки | 31 languages plus a neutral na tag |
| Лицензия | OpenRAIL-M weights, MIT code |
| Статус | Ready for CoreML; LiteRT reference implementation in speech-core |
| Источник | Supertone Supertonic-3 |
| Swift-продукт | SupertonicTTS |
| CLI / runtime | Shared TTS pipeline / server integration; LiteRT C++ wrapper for edge runtimes |
Использование
Фрагмент ниже соответствует текущему API или команде из speech-swift.
import SupertonicTTS
let tts = try await SupertonicTTSModel.fromPretrained()
let pcm = try tts.synthesize(
text: "Hello from an on-device voice.",
voiceId: "F1",
language: "en"
)Ссылки модели
Заметки реализации
- No espeak, phonemizer, or lexicon: text is NFKD-normalized and mapped through a Unicode index table.
- Download uses explicit CoreML package globs for the four graphs plus tokenizer, config, and voice style JSON files.
- The Apple export uses dynamic latent length; the current LiteRT path uses fixed graph shapes and chunks longer text.
- Voices are precomputed style presets F1-F5 and M1-M5; on-device cloning is out of scope because the style extractor is not released.