Supertonic-3

หน้านี้ของ Soniqo อธิบาย Supertonic-3 ตาม implementation ใน speech-swift / speech-core ส่วนลิงก์ Hugging Face อยู่ใต้หมายเหตุการใช้งาน

เข้าหน้าในเว็บก่อน

การ์ดหน้าแรกและเมนูเอกสารจะชี้มาที่หน้านี้ก่อน ส่วนลิงก์ไปยัง source model และ bundle ยังอยู่ในหน้านี้

ภาพรวม

โมเดล	Supertonic-3
บทบาท	G2P-free multilingual text-to-speech
Backend	CoreML (Apple Neural Engine / GPU) and LiteRT
Output	44.1 kHz mono Float32 PCM
ภาษา	31 languages plus a neutral na tag
License	OpenRAIL-M weights, MIT code
สถานะ	Ready for CoreML; LiteRT reference implementation in speech-core
Source	Supertone Supertonic-3
Swift product	`SupertonicTTS`
CLI / runtime	Shared TTS pipeline / server integration; LiteRT C++ wrapper for edge runtimes

การใช้งาน

snippet ด้านล่างตรงกับ API หรือคำสั่งปัจจุบันใน 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"
)

ลิงก์โมเดล

หมายเหตุ implementation

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.