Awtomatikong salin · Orihinal sa Ingles

Supertonic-3

Ang unang-partidong Soniqo page na ito ay nagpapatunay ng Supertonic-3 mula sa lokal na speech-swift / speech-core na pagpapatupad. Hugging Face na 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	Supertonic-3
Ang Papel	G2P-free tekstong multinasyonal na-to-speech
Likod	CoreML (Apple Neural Engine / GPU) at LiteRT
Ilabas	44.1 kHz mono Float32 PCM
Wika	31 wika at isang neutral na tag
Lisensiya	OpenRAIL-M na mga pabigat, MIT code
Kalagayan	Handa na para sa CoreML; LiteRT reference pagpapatupad ng speech-core
Pinagmumulan	Supertone Supertonic-3
Swift produkto	`SupertonicTTS`
CLI / Oras ng pagtakbo	Ibinabahagi ang TTS pipeline / server integr; LiteRT C++ staple para sa mga runtime sa gilid

Gamitin

Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng repo.

import SupertonicTTS

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

Mga Kaugnayan sa Modelo

Mga Nota ng Pag - iisa

Walang espesye, phonemizer, o leksikograpiko: ang teksto ay NFKD-normalized at naiguhit sa pamamagitan ng isang mesa ng indise ng Unicode.
Ang download ay gumagamit ng maliwanag na CoreML paketeng glob para sa apat na graph plus tokenizer, reficiation, at estilo ng boses na JSON files.
Ang Apple export ay gumagamit ng dinamikong latent street; ang kasalukuyang LiteRT path ay gumagamit ng nakapirmeng mga hugis na grap at tipak na mas mahabang teksto.
Ang mga boses ay precomputed style presets F1-F5 at M1-M5; nasa-device cloning ay wala sa saklaw dahil ang istilong hinango ay hindi inilabas.