github地址：https://huggingface.co/spaces/Supertone/supertonic-3

Supertonic 项目 README 总结

仓库：supertone-inc/supertonic
一句话：基于 ONNX 的本地、多语言、极速 TTS，无需云端 API。（支持声音与克隆、 自然文本处理、简单部署、多语言 / 平台支持）

---

1. 项目定位

维度	说明
运行方式	完全本地推理，无网络依赖
推理引擎	ONNX Runtime（浏览器支持 WebGPU/WASM）
最新版本	Supertonic 3（约 99M 参数）
许可证	示例代码 MIT；模型 OpenRAIL-M

---

2. 核心亮点

• 极快：桌面 / 浏览器 / 手机 / 边缘设备均可实时合成；整页网页转语音可在约 1 秒内完成
• 31 种语言：指定语言码，或使用 lang="na" 做语言无关处理
• 轻量：约 99M 参数，远小于常见 0.7B–2B 级开源 TTS
• 边缘友好：树莓派、e-reader 等可运行，不强制 GPU
• 音质：直接输出 44.1kHz、16-bit WAV
• 表情标签：10 个内联标签（如 <laugh>、<breath>、<sigh>），无需参考音频
• 多平台 SDK：Python、Node.js、Browser、Java、C++、C#、Go、Swift、iOS、Rust、Flutter

---

3. 支持语言（31）

语言	代码	语言	代码
阿拉伯语	ar	保加利亚语	bg
克罗地亚语	hr	捷克语	cs
丹麦语	da	荷兰语	nl
英语	en	爱沙尼亚语	et
芬兰语	fi	法语	fr
德语	de	希腊语	el
印地语	hi	匈牙利语	hu
印尼语	id	意大利语	it
日语	ja	韩语	ko
拉脱维亚语	lv	立陶宛语	lt
波兰语	pl	葡萄牙语	pt
罗马尼亚语	ro	俄语	ru
斯洛伐克语	sk	斯洛文尼亚语	sl
西班牙语	es	瑞典语	sv
土耳其语	tr	乌克兰语	uk
越南语	vi

不确定文本语言时，使用 lang="na" 即可。

---

4. 快速上手

4.1 Python（推荐）

pip install supertonic

from supertonic import TTS

# 首次运行会从 Hugging Face 自动下载模型
tts = TTS(auto_download=True)

style = tts.get_voice_style(voice_name="M1")

text = "Supertonic is a lightning fast, on-device TTS system."

wav, duration = tts.synthesize(
    text=text,
    lang="en",              # 语言代码，如 "en"、"ko"，或 "na" 表示语言无关
    voice_style=style,      # 音色风格对象
    total_steps=8,          # 质量：5（低）~ 12（高），默认 8
    speed=1.05,             # 语速：0.7（慢）~ 2.0（快）
)

tts.save_audio(wav, "output.wav")
print(f"Generated {duration[0]:.2f}s of audio")

4.2 本地 HTTP 服务（Python SDK v1.3.1+）

pip install 'supertonic[serve]'
supertonic serve --host 127.0.0.1 --port 7788

端点	说明
POST /v1/tts	原生接口
POST /v1/audio/speech	OpenAI 兼容接口
http://127.0.0.1:7788/docs	交互式 OpenAPI 文档

4.3 从仓库运行

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

# 需要 Git LFS
git lfs install
git clone https://huggingface.co/Supertone/supertonic-3 assets

cd py
uv sync
uv run example_onnx.py

---

5. 技术细节

• 运行时：ONNX Runtime（跨平台）
• 浏览器：onnxruntime-web（客户端推理）
• 批处理：支持 batch inference
• 输出格式：44.1kHz 16-bit WAV

---

6. 版本对比

版本	参数量	语言数	表情标签	状态	权重
Supertonic 3	~99M	31	✅ 10 个	🟢 最新	HF: supertonic-3
Supertonic 2	~66M	5	—	稳定	HF: supertonic-2
Supertonic 1	~66M	1 (en)	—	遗留	HF: supertonic

相对 v2 的改进：

• 重复 / 跳读失败更少
• 说话人相似度提升
• 语言从 5 种扩展到 31 种
• ONNX 接口与 v2 兼容，便于迁移

---

7. 性能要点

• 朗读准确度：在 Minimax-MLS-test 基准上，与 VoxCPM2 等更大模型相比仍具竞争力
• 资源占用：CPU 即可较快推理，内存明显低于 GPU 大模型方案
• 模型体积：约 99M 参数，下载更小、冷启动更快、内存占用更低

---

8. 声音与克隆

能力	说明
仓库内置	固定音色本地 TTS，无官方克隆管线
自定义音色	通过 Voice Builder 从短录音生成 Supertonic 2/3 的 JSON 配置
托管服务	Supertone Play / API（700+ 商用预设音色）

---

9. 自然文本处理

对以下复杂文本，README 声称无需 phoneme 预处理即可正确朗读：

类别	示例	挑战
金融表达	$5.2M、$450K	小数、缩写单位、货币符号
电话号码	(212) 555-0142 ext. 402	区号、连字符、分机缩写
技术单位	2.3h、30kph	小数 + 缩写单位

---

10. 多语言 / 平台支持

语言 / 平台	路径	说明
Python	py/	ONNX Runtime 推理
Node.js	nodejs/	服务端 JavaScript
Browser	web/	WebGPU / WASM 推理
Java	java/	跨平台 JVM
C++	cpp/	高性能 C++
C#	csharp/	.NET 生态
Go	go/	Go 实现
Swift	swift/	macOS 应用
iOS	ios/	原生 iOS
Rust	rust/	内存安全系统语言
Flutter	flutter/	跨平台应用

---

11. 相关链接

资源	链接
GitHub 仓库	https://github.com/supertone-inc/supertonic
Hugging Face 模型	https://huggingface.co/Supertone/supertonic-3
在线 Demo	https://huggingface.co/spaces/Supertone/supertonic-3
音频样例	https://supertonic3.github.io/
Voice Builder	https://voicebuilder.supertonic.ai/
PyPI 包	pip install supertonic
Python 文档	https://supertone-inc.github.io/supertonic-py/

---

12. 近期更新（README 摘录）

日期	更新
2026.05.18	Python SDK v1.3.1 新增 supertonic serve 本地 HTTP 服务
2026.05.18	Voice Builder 支持 Supertonic 3
2026.04.29	Supertonic 3 发布：31 语言、准确度与稳定性提升
2026.01.22	Voice Builder 上线
2026.01.06	Supertonic 2 发布（5 语言）
2025.12.10	PyPI 包 supertonic 上线；新增 6 种音色
2025.11.24	新增 Flutter SDK

---

13. 许可证

内容	许可证
示例代码	MIT
模型权重	OpenRAIL-M
训练框架 PyTorch	BSD 3-Clause（未随项目分发）

---

14. 学术引用

• SupertonicTTS 主架构：arXiv:2503.23108
• Length-Aware RoPE（LARoPE）：arXiv:2509.11084
• Self-Purifying Flow Matching：arXiv:2509.19091

---

文档整理自 supertonic README，截至 2026-05。