Awtomatikong salin · Orihinal sa Ingles
Indic-Mio
Ang unang-party Soniqo page na mga dokumentong Indic-Mio mula sa lokal na speech-swift / speech-core na pagpapatupad. Hugging Face mga bungkos ay nakaugnay sa ibaba pagkatapos ng mga notasyon.
Panloob na Pahina Muna
Una na ngayong binabanggit dito ng mga landing card at docs menus ang tungkol dito; ang mga kawing ng source model at bround ay nananatiling makukuha mula sa pahinang ito.
Sa Isang Kaningningan
| Huwaran | Indic-Mio |
|---|---|
| Ang Papel | Hindi / Indic na emosyon TTS na may opsyonal na reference na pagkondisyon ng boses |
| Likod | MLX fp16 |
| Ilabas | 24 kHz mono waveform |
| Wika | Hindi / Nakatuon ang teksto sa wikang Hindi / Indiko |
| Lisensiya | Bundle-specific; tiyakin ang mga termino sa itaas bago ang komersiyal na paggamit |
| Kalagayan | Ang Programmatic SpeakGenerationModel runtime |
| Pinagmumulan | Indic-Mio brock |
| Swift produkto | IndicMioTTS |
| CLI / Oras ng pagtakbo | Programmatic runtime; naroroon ang server-side loader support |
Gamitin
Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng repo.
import IndicMioTTS
let model = try await IndicMioTTSModel.fromPretrained()
let pcm = try await model.generate(
text: "नमस्ते <happy>",
language: "hi"
)Mga Kaugnayan sa Modelo
Mga Nota ng Pag - iisa
- Hinihiling ng download ang pangunahing modelo, mga talaksang tokenizer/chat, at sangkap na miocodec nang buong linaw; ang opsyonal na reference regulater ng WavLM ay kinukuha nang hiwalay kapag ang cloning ay ginamit.
- Ang suportadong emosyon ay ang mga palatandaan ng kagalakan, < adhaggg;, <,angry gggt;, &ldisgustgest ggest;, tal; at <surprise gt.).
- Ang MioCodec ay gumagamit ng 25 Hz nilalaman na mga patlang at decode sa 24 kHz audio.
- Ang Reference cloning ay kumukuha ng isang 128-float global embecting sa pamamagitan ng WavLM reference regulator path.