Radar ·
Phonon 31M: modelo TTS aberto em Swift com CoreML na Neural Engine da Apple
Port em Swift do modelo de text-to-speech aberto Phonon 31M, com CoreML na Neural Engine da Apple, 103 vozes e normalizador de texto portado da Gradium. O autor relata cerca de 20 ms até o primeiro áudio e cerca de 20x tempo real em um M5 Pro.
Segundo a publicação, o projeto é um port em Swift do modelo de text-to-speech aberto Phonon 31M, executado via CoreML na Neural Engine de dispositivos Apple. O conjunto traz 103 vozes e um normalizador de texto portado da Gradium. O autor afirma cerca de 20 ms até o primeiro áudio e cerca de 20x tempo real em um chip M5 Pro. Esses números são alegações do autor, não medições independentes verificadas por este boletim.
Para engenheiros de plataformas Apple, o material oferece uma opção de TTS aberta e executável no próprio dispositivo, com código e modelo linkados na fonte original. Para consultar, abra o link original do boletim, confira a licença do código e do modelo e reproduza os testes de latência no seu hardware antes de qualquer uso.
Fonte original: Phonon 31M: modelo TTS aberto rodando na Apple Neural Engine em Swift