MOSS-TTS-Nano

CoreML ile akışlı konuşma sentezi ve ses klonlama; 48 kHz stereo ve 80 ms parçalar.

Apache-2.0 · aufklarer/MOSS-TTS-Nano-100M-CoreML

Komut satırı

speech speak "Hello world." --engine moss-nano -o hello.wav
speech speak "The weather is nice today." --engine moss-nano \
  --voice-sample reference.wav --moss-nano-seed 1 -o cloned.wav
speech speak "Hello world." --engine moss-nano --stream --play -o streamed.wav

Ses klonlama için --voice-sample kullanın; referans dökümü gerekmez. Mono referans stereo olarak çoğaltılır, 48 kHz ile yeniden örneklenir ve 80 ms sınırına tamamlanır. Referansı bir kez kodlayıp kodlarını tekrar kullanın.

Swift API

import AudioCommon
import MossTTSNano

let model = try await MossTTSNanoModel.fromPretrained()
let reference = try await model.encodeReference(url: referenceURL)
let result = try await model.synthesize(
    text: "The weather is nice today.", reference: reference,
    options: MossTTSNanoOptions(maxFrames: 300, seed: 1))
try WAVWriter.writeStereo(left: result.left, right: result.right,
    sampleRate: 48000, to: outputURL)

MossTTSNanoModel istekleri sırayla yürütür ve her ifade için yeni CoreML durumu oluşturur. synthesize ve synthesizeStream stereoyu korur; SpeechGenerationModel mono karışım döndürür. language: nil geçirin. Akış boş bir son işaretle biter.

Sınırlar ve ölçümler

macOS 15+ / iOS 18+ gerekir; dört derlenmiş model toplam 367,6 MB. İstem, referans ve istenen kareler 1.024 satırlık bağlamı paylaşır. Taşma veya doğal bitişten önce maxFrames sınırına ulaşılması hata verir. Varsayılan CPU; gpu, CPU+GPU kullanımına izin verir. PCG64 tohumları NumPy ile uyumludur; arka uçların sayısal farkları çıktıyı değiştirebilir.

M5 Pro, 48 GB, macOS 26.6.2 üzerinde Python/CoreML; ayrı süreçler ve durum başına beş sıcak istek. Referans 2,72 saniye. İlk/sıcak süreler okuma, kodlayıcı yükleme ve kodlamayı içerir; önbellek referans kodlarını kullanır. Sentez modeli yüklemesi hariçtir. RSS tüm Python sürecidir, PyTorch/ASR yoktur. Swift/iPhone veya konuşmacı benzerliği ölçümü değildir.

Swift · Release

Aynı M5 Pro üzerinde yerel Swift release CLI: aynı referans, metin ve tohumla yeni süreç başına bir istek. Referans hazırlığı dahil, sentez modeli yüklemesi hariçtir. RSS, ASR ağırlıkları olmadan tüm CLI sürecidir. Çizgiler ölçülmeyen sıcak/önbellek durumlarını gösterir. İki çıktı da bağımsız ASR ile istenen cümleyi eksiksiz verdi.

MossTTSNano · OpenMOSS