Maskinöversättning · Engelskt original

Supertonic-3

Denna första part Soniqo siddokument Supertonic-3 från de lokala speech-swift / speech-core implementering. Hugging Face buntar är länkade nedan efter integrationsnoterna.

Intern sida först

Landningskort och docs-menyer pekar nu här först; källmodell och buntlänkar förblir tillgängliga från denna sida.

På en Glance

Modell	Supertonic-3
Rollen	G2P-free flerspråkig text-till-tal
Backend	CoreML (Apple Neural Engine/GPU) och LiteRT
Output	44.1 kHz mono Float32 PCM
Språk	31 språk plus en neutral tagg
Licens	OpenRAIL-M vikter, MIT kod
Status	Redo för CoreML; LiteRT referensimplementering i speech-core
Källa	Superton Supertonic-3
Swift produkt	`SupertonicTTS`
CLI / runtime	Delad TTS pipeline/serverintegration; LiteRT C++ wrapper för edge runtimes

Användning

Nyckeln nedan speglar den nuvarande speech-swift API eller kommandot exponerat av repan.

import SupertonicTTS

let tts = try await SupertonicTTSModel.fromPretrained()
let pcm = try tts.synthesize(
    text: "Hello from an on-device voice.",
    voiceId: "F1",
    language: "en"
)

Modelllänkar

Implementeringsmeddelanden

Ingen espeak, telefonmizer eller lexikon: text är NFKD-normaliserad och kartlagd genom ett Unicode-indexbord.
Ladda ner använder explicit CoreML paketglober för de fyra graferna plus tokenizer, config och röststil JSON-filer.
Apple-exporten använder dynamisk latent längd; den nuvarande LiteRT-banan använder fasta grafformer och bitar längre text.
Röster är precomputed stil presets F1-F5 och M1-M5; on-device kloning är ur omfattning eftersom stil extraktorn inte frigörs.