文本转语音
软件详情
特性
MPU (i.MX 8和i.MX 9)
- 多说话人支持(因语种而异)
- 采样频率：16kHz或22kHz
- 语种：英语、中文普通话、印地语、西班牙语、法语、阿拉伯语、葡萄牙语、俄语、德语、意大利语、荷兰语、加泰罗尼亚语、捷克语、威尔士语、丹麦语、希腊语、波斯语、芬兰语、匈牙利语、印度尼西亚语、冰岛语、格鲁吉亚语、哈萨克语、卢森堡语、拉脱维亚语、马拉雅拉姆语、尼泊尔语、挪威语、波兰语、罗马尼亚语、斯洛伐克语、斯洛文尼亚语、塞尔维亚语、瑞典语、斯瓦希里语、土耳其语、乌克兰语和越南语
- 自然语音质量
- 该TTS模型采用VITS架构，即基于变分推断与对抗式学习的端到端文本转语音模型。根据语种不同，可提供多个说话人(男性或女性)、不同口音及音色。采样频率为16kHz或22kHz，具体取决于模型
MCU (i.MX RT700)
- 利用NPU
- 采样频率：16kHz
- 语言：英语
支持的器件
- i.MX8M: i.MX 8M系列 - Arm® Cortex®-A53、Cortex-M4、音频、语音、视频
- i.MX91: i.MX 91系列安全高效，为成千上万的边缘应用提供了Linux®的基本功能。
- i.MX93: i.MX 93应用处理器系列——Arm® Cortex®-A55，ML加速，高能效MPU
- i.MX95: i.MX 95应用处理器系列：支持功能安全的高性能平台，带eIQ® Neutron NPU
- i.MX-RT700: i.MX RT700跨界MCU，配备Arm® Cortex®-M33、NPU、DSP和GPU内核
系统需求
- MCU：TensorFlow Lite
- MPU：ONNX运行时+ TensorFlow Lite
占用空间和性能分析
| 模型 | 模型大小[参数数量] | 平台/内核 | 实时因子 | DNS-MOS | 量化格式 | 内存占用[MB] | 库依赖性 | ||
|---|---|---|---|---|---|---|---|---|---|
| 代码大小 | 模型大小 | Arena大小 | |||||||
| MPU | 20M | i.MX95/6个Cortex-A55 | 0.14 | 4.35 | 8位整数 | 0.3 | 24 | 9 | ONNX + TFLite |
| i.MX93/两个Cortex-A55 | 0.28 | ||||||||
| i.MX91/1个Cortex-A55 | 0.60 | ||||||||
| i.MX8MP/4个Cortex-A53 | 0.26 | ||||||||
| i.MX8MN/4个Cortex-A53 | 0.33 | ||||||||
| i.MX8MM/4个Cortex-A53 | 0.38 | ||||||||
| MCU | 2.2M | Cortex-M33/NPU | 0.24 | 4.17 | 8位整数 + 16a_8w整数 |
0.15 | 2.6 | 1.7 | TFLite |
