使用 TTSEngine 进行文字转语音

TTSEngine 加载本地 TTS 模型并返回 PCM 音频采样。

加载 TTS 模型

import EdgeInference

let engine = TTSEngine()
let modelURL = URL(fileURLWithPath: "/path/to/tts-model")

try await engine.loadLocal(directory: modelURL)

生成语音

let audio = try await engine.speak(
    "Hello from an on-device voice model.",
    voice: "serena"
)

print(audio.sampleRate)
print(audio.duration)

AudioResult.samples 包含 [-1.0, 1.0] 范围内的 Float PCM 采样。

高级生成

let audio = try await engine.generate(
    text: "Read this sentence naturally.",
    speaker: "serena",
    instruct: nil,
    language: "auto",
    temperature: 0.9,
    topK: 50,
    maxTokens: 2048
)

流式语音

当你需要进度和音频分片时，使用 speakStream。

for try await event in engine.speakStream(
    "Generate this as streaming audio.",
    voice: "serena"
) {
    switch event {
    case .progress(let tokenID):
        print("Generated token:", tokenID)
    case .audioChunk(let chunk):
        print("Chunk", chunk.chunkIndex, chunk.audioDuration)
    case .audio(let result):
        print("Final audio:", result.duration)
    }
}

模型信息

print(engine.availableSpeakers)
print(engine.ttsModelType)
print(engine.sampleRate)

播放音频

在你的 app 音频层中将 AudioResult.samples 转换为 AVAudioPCMBuffer。把播放代码放在 engine 之外，这样你的 app 可以自行选择 AVAudioEngine、AVAudioPlayerNode 或自定义音频管线。

API 概览

Method	作用
TTSEngine()	创建文字转语音 engine。@MainActor。
loadLocal(directory:)	加载本地 TTS 模型。
speak(_:voice:)	生成单个 AudioResult。
speakStream(_:voice:)	流式返回 TTSEvent 值。
generate(text:speaker:)	使用显式参数生成。
availableSpeakers	已加载模型暴露的 speaker。

完整签名 → EdgeInference API Reference

下一步

• 语音助手示例 — 完整双工语音管线。
• 语音转文字 — 补全语音闭环。