BlueMagpie-TTS Demo
台灣華語與中英混合文字轉語音。模型版本:step_0000049。
執行環境固定於已驗證的 model revision aaf1a087、ECAPA revision
0f99f2d0 與 Whisper revision 41f01f3f,避免服務重啟時
無聲變更權重、speaker embedding 或語意驗證空間。
目前預設採用穩定推論設定:候選交錯 CFG 3.0 / 2.0(網路內容與極短句最低 3.0)、
NFE 10、目標語速 4.0 字/秒、
初始完整 trajectory 使用 base duration estimate(5.2 CJK /
4.6 ASCII),後續 zero/low-coverage 單 chunk refill 使用 safe duration estimate
(4.6 CJK /
4.0 ASCII);兩者只調整生成上限,生成完成後才校正至
目標語速。另補齊句末提示、套用尾端 weak-stop 保護、
含真實標點的 25–48 speech-unit request 會優先切成最多 24 units 的語意 chunks,長文仍依 80-unit 上限切段。每個 request 只生成一次
same-seed 完整 trajectory;失敗後只補低覆蓋 chunks,再以 speaker/RMS/F0 ragged DP 選出最多三條
culprit-diverse exact paths;所有 chunk 首次具備 coverage 時先驗證 rank-1 exact path;若它已通過 hard gate
但僅未達 preferred tier,下一個新 rank-1 path 會在 bounded refill 中提前驗證,同時保留 completed-lattice
final slot。F0 只在 multi-chunk lattice 真正有替代路徑、需要 transition ranking 時才計算。單一 chunk 若 exact joined
波形已通過雙 ASR、preferred SQUIM、release speaker、語速與 echo/smearing gate,會立即返回而不再填滿候選池。
NFE 固定為已驗證的 10;48 speech units 內的非網路互動 request 最多生成 10 個 TTS chunks,
其他 request 維持 32 個 hard cap,且一律不超過 800 generated speech units。語速校正使用 deterministic WSOLA,總 rate 不低於 0.90;不少於 1 秒的
候選與最終波形另須通過 echo/smearing gate。
參考音檔至少 3 秒;只使用已取得授權的聲音。參考內容不需要逐字稿。