Supertonic — 闪电般快速的端侧语音合成系统

Supertonic 是一个闪电般快速的端侧文本转语音系统，专为极致性能和最小计算开销而设计。基于 ONNX Runtime 驱动，完全在您的设备上运行——无需云端、无需 API 调用、无隐私顾虑。

🎧 立即体验：通过我们的 交互式演示 在浏览器中体验 Supertonic，或访问 Hugging Face 应用，也可以从 Hugging Face Hub 获取预训练模型开始使用

🛠 GitHub 仓库
如需最便捷地使用 Supertonic，请访问官方 GitHub 仓库：
https://github.com/supertone-inc/supertonic
您可以在那里找到多语言示例代码。

目录

• 为什么选择 Supertonic？
• 语言支持
• 快速开始
• 性能表现
• 引用
• 许可证

为什么选择 Supertonic？

• ⚡ 极速生成：在消费级硬件（M4 Pro）上可达到比实时快 167 倍的语音生成速度——任何其他 TTS 系统都无法匹敌
• 🪶 超轻量级：仅有 6600 万参数，针对高效的端侧性能进行了优化，占用空间极小
• 📱 端侧能力：完全隐私和零延迟——所有处理都在您的设备本地完成
• 🎨 自然文本处理：无需预处理即可无缝处理数字、日期、货币、缩写和复杂表达式
• ⚙️ 高度可配置：可调整推理步数、批处理和其他参数以满足您的特定需求
• 🧩 灵活部署：支持多种运行时后端，可无缝部署到服务器、浏览器和边缘设备。

语言支持

我们提供多种生态系统中即用型 TTS 推理示例：

有关详细使用说明，请参阅各语言目录中的 README.md。

快速开始

首先，克隆仓库：

git clone https://github.com/supertone-inc/supertonic.git
cd supertonic

前置条件

在运行示例之前，请下载 ONNX 模型和预设音色，并将它们放入 assets 目录：

git clone https://huggingface.co/Supertone/supertonic assets

注意： Hugging Face 仓库使用 Git LFS。在克隆或拉取大型模型文件之前，请确保已安装并初始化 Git LFS。

• macOS: brew install git-lfs && git lfs install
• 通用：请参阅 https://git-lfs.com 获取安装程序

技术细节

• 运行时：ONNX Runtime 用于跨平台推理（针对 CPU 优化；GPU 模式未经测试）
• 浏览器支持：onnxruntime-web 用于客户端推理
• 批处理：支持批处理推理以提高吞吐量
• 音频输出：输出 16 位 WAV 文件

性能表现

我们使用两个关键指标在不同长度输入文本上评估了 Supertonic 的性能（使用 2 个推理步）：短文本（59 字符）、中等文本（152 字符）和长文本（266 字符）。

指标：

• 每秒字符数：通过将输入字符数除以生成音频所需时间来衡量吞吐量。越高越好。
• 实时因子 (RTF)：衡量合成音频所需时间相对于音频时长的比例。越低越好（例如，RTF 为 0.1 意味着生成一秒音频需要 0.1 秒）。

每秒字符数

注意：
API = 基于云端的 API 服务（从首尔测量）
Open = 开源模型
Supertonic (M4 pro - CPU) 和 (M4 pro - WebGPU)：使用 ONNX 测试
Supertonic (RTX4090)：使用 PyTorch 模型测试
Kokoro：在 M4 Pro CPU 上使用 ONNX 测试
NeuTTS Air：在 M4 Pro CPU 上使用 Q8-GGUF 测试

实时因子

<details> <summary><b>额外性能数据（5 步推理）</b></summary>

<br>

每秒字符数（5 步）

实时因子（5 步）

</details>

许可证

本项目的示例代码基于 MIT 许可证发布。详情请参阅 LICENSE。

配套模型基于 OpenRAIL-M 许可证发布。详情请参阅 LICENSE 文件。

本模型使用 PyTorch 训练，PyTorch 基于 BSD 3-Clause 许可证，但未随本项目一起分发。详情请参阅 LICENSE。

版权所有 © 2025 Supertone Inc.