/ Модель

Характеристики

Лицензия
OpenRAIL
Архитектура
onnx · dense
Библиотека
supertonic
Опубликована
18 ноя 2025

supertonic

Синтез речиТекст → аудио3 профессии

Supertonic — компактная ONNX-модель Supertone для быстрого локального синтеза речи из текста.

776скачиваний за 30 дней487лайковвеса обновлены10 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Supertonic — система синтеза речи из текста, разработанная Supertone для быстрого локального запуска на устройствах. Репозиторий содержит модель в формате ONNX, рассчитанную на работу через ONNX Runtime; поддерживаются пакетная обработка и настройка числа шагов инференса. По данным разработчика, модель насчитывает 66 млн параметров и может обрабатывать числа, даты, валюты, сокращения и сложные выражения без предварительной нормализации текста.

Модель предназначена для создания речи в приложениях, браузерах, на серверах и периферийных устройствах. README заявляет высокую скорость синтеза на потребительском оборудовании и локальную обработку, без обращения к облаку. В карточке указан английский язык; примеры интеграции доступны для Python, Node.js и браузера, но это языки программирования и платформы, а не языки синтеза.

Выход — аудио WAV с глубиной 16 бит. Репозиторий распространяется по лицензии OpenRAIL. README отдельно отмечает, что режим GPU через ONNX Runtime не протестирован; показатели скорости приведены разработчиком для конкретного оборудования и настроек, поэтому они не гарантируют такую же производительность на других устройствах.

Сценарии применения

  • локальная озвучка текста в приложении
  • генерация речи в браузере
  • пакетная озвучка текстов на сервере
  • синтез речи на периферийном устройстве

Ограничения

Заявленные показатели производительности относятся к конкретному оборудованию и настройкам. Разработчик отмечает, что режим GPU через ONNX Runtime не тестировался.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Supertonic — Lightning Fast, On-Device TTS

Supertonic is a lightning-fast, on-device text-to-speech system designed for extreme performance with minimal computational overhead. Powered by ONNX Runtime, it runs entirely on your device—no cloud, no API calls, no privacy concerns.

🎧 Try it now: Experience Supertonic in your browser with our Interactive Demo, or Hugging Face app or get started with pre-trained models from Hugging Face Hub

🛠 GitHub Repository
To use Supertonic most easily, visit the official GitHub repository:
https://github.com/supertone-inc/supertonic
You’ll find multi-language example codes.

Table of Contents

Why Supertonic?

  • ⚡ Blazingly Fast: Generates speech up to 167× faster than real-time on consumer hardware (M4 Pro)—unmatched by any other TTS system
  • 🪶 Ultra Lightweight: Only 66M parameters, optimized for efficient on-device performance with minimal footprint
  • 📱 On-Device Capable: Complete privacy and zero latency—all processing happens locally on your device
  • 🎨 Natural Text Handling: Seamlessly processes numbers, dates, currency, abbreviations, and complex expressions without pre-processing
  • ⚙️ Highly Configurable: Adjust inference steps, batch processing, and other parameters to match your specific needs
  • 🧩 Flexible Deployment: Deploy seamlessly across servers, browsers, and edge devices with multiple runtime backends.

Language Support

We provide ready-to-use TTS inference examples across multiple ecosystems:

Language/PlatformPathDescription
[Python]py/ONNX Runtime inference
[Node.js]nodejs/Server-side JavaScript
[Browser]web/WebGPU/WASM inference
[Java]java/Cross-platform JVM
[C++]cpp/High-performance C++
[C#]csharp/.NET ecosystem
[Go]go/Go implementation
[Swift]swift/macOS applications
[iOS]ios/Native iOS apps
[Rust]rust/Memory-safe systems
[Flutter]flutter/Cross-platform apps

For detailed usage instructions, please refer to the README.md in each language directory.

Getting Started

First, clone the repository:

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

Prerequisites

Before running the examples, download the ONNX models and preset voices, and place them in the assets directory:

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

Note: The Hugging Face repository uses Git LFS. Please ensure Git LFS is installed and initialized before cloning or pulling large model files.

  • macOS: brew install git-lfs && git lfs install
  • Generic: see https://git-lfs.com for installers

Technical Details

  • Runtime: ONNX Runtime for cross-platform inference (CPU-optimized; GPU mode is not tested)
  • Browser Support: onnxruntime-web for client-side inference
  • Batch Processing: Supports batch inference for improved throughput
  • Audio Output: Outputs 16-bit WAV files

Performance

We evaluated Supertonic's performance (with 2 inference steps) using two key metrics across input texts of varying lengths: Short (59 chars), Mid (152 chars), and Long (266 chars).

Metrics:

  • Characters per Second: Measures throughput by dividing the number of input characters by the time required to generate audio. Higher is better.
  • Real-time Factor (RTF): Measures the time taken to synthesize audio relative to its duration. Lower is better (e.g., RTF of 0.1 means it takes 0.1 seconds to generate one second of audio).

Characters per Second

SystemShort (59 chars)Mid (152 chars)Long (266 chars)
Supertonic (M4 pro - CPU)91210481263
Supertonic (M4 pro - WebGPU)99618012509
Supertonic (RTX4090)2615654812164
API ElevenLabs Flash v2.5144209287
API OpenAI TTS-1375582
API Gemini 2.5 Flash TTS121824
API Supertone Sona speech 1386492
Open Kokoro104107117
Open NeuTTS Air374247

Notes:
API = Cloud-based API services (measured from Seoul)
Open = Open-source models
Supertonic (M4 pro - CPU) and (M4 pro - WebGPU): Tested with ONNX
Supertonic (RTX4090): Tested with PyTorch model
Kokoro: Tested on M4 Pro CPU with ONNX
NeuTTS Air: Tested on M4 Pro CPU with Q8-GGUF

Real-time Factor

SystemShort (59 chars)Mid (152 chars)Long (266 chars)
Supertonic (M4 pro - CPU)0.0150.0130.012
Supertonic (M4 pro - WebGPU)0.0140.0070.006
Supertonic (RTX4090)0.0050.0020.001
API ElevenLabs Flash v2.50.1330.0770.057
API OpenAI TTS-10.4710.3020.201
API Gemini 2.5 Flash TTS1.0600.6730.541
API Supertone Sona speech 10.3720.2060.163
Open Kokoro0.1440.1240.126
Open NeuTTS Air0.3900.3380.343

Characters per Second (5-step)

SystemShort (59 chars)Mid (152 chars)Long (266 chars)
Supertonic (M4 pro - CPU)596691850
Supertonic (M4 pro - WebGPU)57011181546
Supertonic (RTX4090)128637576242

Real-time Factor (5-step)

SystemShort (59 chars)Mid (152 chars)Long (266 chars)
Supertonic (M4 pro - CPU)0.0230.0190.018
Supertonic (M4 pro - WebGPU)0.0240.0120.010
Supertonic (RTX4090)0.0110.0040.002

License

This project’s sample code is released under the MIT License. - see the LICENSE for details.

The accompanying model is released under the OpenRAIL-M License. - see the LICENSE file for details.

This model was trained using PyTorch, which is licensed under the BSD 3-Clause License but is not redistributed with this project. - see the LICENSE for details.

Copyright (c) 2025 Supertone Inc.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · supertonic

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
b6856d0

0 моделей