SuperClonica ist unsere Sprachsynthese-Engine auf Basis von Supertonic 3. Sie ist auf CPU und GPU schneller, klingt sauberer und nutzt dieselben Stimmen-JSON-Dateien.
Python 3.10 oder neuer wird benötigt. Installieren Sie eines der beiden Pakete: für die CPU oder für eine NVIDIA-GPU. Für die GPU installiert pip CUDA und cuDNN selbst.
2. Stimme herunterladen
Öffnen Sie „Meine Bibliothek“ und laden Sie das Stimmen-JSON herunter. Für Supertonic 3 erstellte Dateien funktionieren ebenfalls.
Übergeben Sie den JSON-Pfad an den Parameter voice. Das Supertonic-3-Basismodell (etwa 400 MB) wird beim ersten Start heruntergeladen.
Schnelle Engine für Supertonic 3
SuperClonica ist eine Sprachsynthese-Engine auf Basis von Supertonic 3: schneller auf CPU und GPU, sauberer Klang, kompatibel mit Supertonic-3-Stimmen-JSON.
SuperClonica ist unsere Sprachsynthese-Engine auf Basis von Supertonic 3. Sie ist auf CPU und GPU schneller, klingt sauberer und nutzt dieselben Stimmen-JSON-Dateien.
Die Pakete sind auf PyPI veröffentlicht: superclonica-cpu und superclonica-gpu-cuda.
1. Paket installieren
Python 3.10 oder neuer wird benötigt. Installieren Sie eines der beiden Pakete: für die CPU oder für eine NVIDIA-GPU. Für die GPU installiert pip CUDA und cuDNN selbst.
2. Stimme herunterladen
Öffnen Sie „Meine Bibliothek“ und laden Sie das Stimmen-JSON herunter. Für Supertonic 3 erstellte Dateien funktionieren ebenfalls.
3. Text vorlesen lassen
Übergeben Sie den JSON-Pfad an den Parameter voice. Das Supertonic-3-Basismodell (etwa 400 MB) wird beim ersten Start heruntergeladen.
Installation
CPU: Windows, macOS, Linux
python -m pip install superclonica-cpu
NVIDIA-GPU: Windows oder Linux x86-64
Benötigt Python 3.11 oder neuer und einen NVIDIA-Treiber.
python -m pip install superclonica-gpu-cuda
Installieren Sie nur ein Paket: Zusammen stören sie sich gegenseitig. Zum Wechseln entfernen Sie zuerst das bisherige samt seiner ONNX Runtime:
from superclonica import Superclonica
tts = Superclonica() # GPU if available, otherwise CPU
audio, sample_rate = tts.synthesize(
"Hello! Your new voice is ready.", voice="voice.json", lang="en", seed=7
)
tts.save("hello.wav", audio)
Lange Texte, Dialoge, eigene Stimmen und ein Vergleich mit pyttsx3 und gTTS: Text to Speech in Python.
Sprachsynthese über die Befehlszeile
superclonica --text "Hello! Your new voice is ready." --voice voice.json --lang en --output hello.wav
Mit Docker
Ein fertiges Image mit HTTP-Server und Kommandozeile: superclonica/superclonica. Das Modell (etwa 400 MB) wird beim ersten Start in das Volume superclonica-models geladen.
CPU
docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu
NVIDIA-GPU
Benötigt den NVIDIA-Treiber und das NVIDIA Container Toolkit.
docker run -d --gpus all -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cuda
Sprachausgabe über den Server
Die Stimme wird als JSON-Datei selbst in die Anfrage gelegt. Sie ist etwa 0,3 MB groß, daher die Anfrage am besten in einer Datei zusammenstellen:
python -c "import json; json.dump({'text': 'Hello! Your new voice is ready.', 'lang': 'en', 'voice': json.load(open('voice.json'))}, open('request.json', 'w'))"
curl -X POST localhost:8000/synthesize -H "Content-Type: application/json" -d @request.json -o hello.wav
API-Schlüssel, Einstellungen, eigene Stimmen und Produktivbetrieb: Text-to-Speech-API in Docker.