API 参考手册

supertonic_mnn.wrapper

SupertonicTTS

class SupertonicTTS(model_dir: str = DEFAULT_CACHE_DIR, precision: str = "fp16")

文本转语音引擎的高级封装类。

synthesize

def synthesize(text: str, voice: str = "M1", steps: int = 5, speed: float = 1.0, output_file: Optional[str] = None) -> Tuple[np.ndarray, int]

从文本合成语音。 * text: 输入文本。 * voice: 语音风格名称 ("M1", "M2", "F1", "F2") 或风格 JSON 文件路径。 * steps: 去噪步数 (默认 5)。 * speed: 语速 (默认 1.0)。 * output_file: 如果提供，则将音频保存到此文件。 * Returns: (audio_data, sample_rate)

save

@staticmethod
def save(filename: str, audio_data: np.ndarray, sample_rate: int)

保存音频数据到文件的辅助方法。

supertonic_mnn.model

ensure_models

def ensure_models(target_dir: str = DEFAULT_CACHE_DIR, precision: str = "fp16")

检查 target_dir 中是否存在模型。如果不存在，则从 Hugging Face 下载。

load_text_to_speech

def load_text_to_speech(model_dir: str = DEFAULT_CACHE_DIR, precision: str = "fp16", use_gpu: bool = False) -> TextToSpeech

初始化 TTS 引擎。

get_voice_style_path

def get_voice_style_path(voice_name: str, model_dir: str = DEFAULT_CACHE_DIR) -> str

解析给定语音风格名称的路径。

load_voice_style

def load_voice_style(voice_style_paths: list[str], verbose: bool = False) -> Style

从 JSON 文件加载语音风格向量。

supertonic_mnn.engine

TextToSpeech

主要推理类。

__call__

def __call__(self, text: str, style: Style, total_step: int, speed: float = 1.05, silence_duration: float = 0.3) -> tuple[np.ndarray, np.ndarray, float]

从文本合成语音。