/ Модель

Характеристики

Лицензия
OpenRAIL
Архитектура
onnx · dense
Библиотека
supertonic
Опубликована
6 янв 2026

supertonic-2

Синтез речиТекст → аудио3 профессии

Supertonic 2 — компактная мультиязычная модель Supertone для быстрого локального преобразования текста в речь.

1 503скачиваний за 30 дней399лайковвеса обновлены6 янв 2026

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 2 — мультиязычная модель синтеза речи от Supertone для локального запуска на устройстве. Модель использует архитектуру ONNX и содержит 66 млн параметров; для инференса применяется ONNX Runtime. Она преобразует текст в речь на английском, корейском, испанском, португальском и французском языках.

Модель рассчитана на быстрый синтез речи с небольшими вычислительными затратами, в том числе на устройствах без обращения к облачному API. В README приведены результаты измерений на Apple M4 Pro и RTX 4090, включая режимы с двумя и пятью шагами инференса; заявлена скорость до 167 раз выше реального времени. Лицензия репозитория — OpenRAIL. Карточка не уточняет ограничения лицензии и качество синтеза для отдельных языков и сценариев.

Сценарии применения

  • синтез английской речи из текста
  • озвучивание корейских текстов на устройстве
  • локальная генерация испанской речи
  • озвучивание португальских текстов
  • озвучивание французских текстов

Ограничения

Поддерживает пять заявленных языков; русский язык среди них не указан. Результаты скорости в README получены на конкретных устройствах и настройках инференса, поэтому могут отличаться в других условиях.

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 2 — Lightning Fast, On-Device TTS, Multilingual TTS

Supertonic Preview

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.

What's New in Supertonic 2

Supertonic 2 extends multilingual capabilities while maintaining the same inference speed and efficiency as the original.

🌍 Multilingual Support

LanguageCode
Englishen
Koreanko
Spanishes
Portuguesept
Frenchfr

⚡ Same Speed, More Languages

  • No speed degradation: Supertonic 2 delivers the same ultra-fast inference speed as the original—up to 167× faster than real-time
  • Efficient architecture: Only 66M parameters, optimized for on-device deployment
  • Cross-language consistency: All supported languages share the same model architecture and inference pipeline

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) 2026 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
75e6727

0 моделей