Pocket TTS 100M

speech speak "Hello world." --engine pocket --stream \
  --pocket-bundle-dir /path/to/bundle --pocket-seed 42 -o hello.wav

import PocketTTS
let model = try PocketTTSModel.fromBundle(URL(fileURLWithPath: "/path/to/bundle"))
try await model.generateStreaming(text: "Hello world.") { chunk in
    await consume(chunk.samples)
}

curl http://localhost:8080/v1/audio/speech \
  -H 'Content-Type: application/json' \
  -d '{"model":"pocket-tts","voice":"alba","input":"Hello world.","response_format":"pcm","stream":true}' \
  -o hello.pcm

Pocket TTS 100M هو محرك تحويل النص الإنجليزي إلى كلام بزمن استجابة منخفض وعلى الجهاز ضمن speech-core. تستخدم حزمة ONNX العامة صوت Alba الثابت وتبث الصوت فور جاهزية كل إطار صوتي.

الحزمة المنشورة

التنزيل والتحقق

يثبت برنامج تنزيل speech-core الإصدار v1.0.0 ويتحقق من كل ملف منشور باستخدام SHA-256.

bash scripts/download_pocket_tts_onnx.sh /models/pocket-tts-onnx

واجهة C++

#include <speech_core/models/onnx_pocket_tts.h>

speech_core::PocketTtsConfig config;
config.intra_threads = 2;
config.flow_steps = 4;

speech_core::OnnxPocketTts tts("/models/pocket-tts-onnx", config);
tts.synthesize("Hello world.", "en",
    [](const float* samples, size_t length, bool is_final) {
        // Each non-final callback is 1,920 Float32 samples:
        // 80 ms at 24 kHz.
    });

عقد البث

يستقبل callback إطاراً واحداً بطول 80 مللي ثانية في كل مرة، ويشير callback النهائي إلى نهاية البث. تعرض last_metrics() أزمنة التهيئة وأول صوت والإجمالي وعدد الإطارات والعينات وEOS والإلغاء والبذرة الفعلية. توقف cancel() التوليد النشط.

اختبار Galaxy S23 Ultra

استخدمت إعادة اختبار نظيفة للحزمة العامة v1.0.0 ONNX Runtime 1.27 وخيطَي CPU وهاتف Galaxy S23 Ultra. هذه قياسات مباشرة للمحرك ولا تشمل الواجهة أو خط الصوت الكامل.

وضوح الرحلة ذهاباً وإياباً

ولد اختبار الجهاز 46 عبارة أوامر وردود، ومررها عبر مسار إعادة أخذ العينات الإنتاجي من 24 إلى 16 kHz، ثم نسخها باستخدام Parakeet-EOU المنشور.

يقيس ASR ذهاباً وإياباً وضوح الكلام لا طبيعته أو تفضيل المستمع، ويكمل اختبارات الاستماع.

حالة التكامل

القيود والترخيص

• الإنجليزية فقط؛ يتضمن checkpoint العام صوت Alba الثابت ولا يدعم استنساخ أي صوت.
• النموذج والصوت تحت CC BY 4.0. احتفظ بنسبة صوت Alba MacKenna الموجودة في manifest.
• الرسوم المتكررة موجهة إلى CPU. تسريع العتاد اختياري لأن دعم Android يختلف باختلاف الجهاز وبناء ONNX Runtime.
• مصدر speech-core تحت Apache 2.0، بينما تحتفظ حزمة النموذج بشروط CC BY 4.0.

المصادر

• speech-core model documentation
• OnnxPocketTts C++ API
• Soniqo ONNX bundle and model card
• Kyutai public checkpoint
• ONNX exporter source