# Supertonic 3（语音模型）

> Supertone 的 Supertonic 3，快速的本地文本转语音，支持 31 种语言，提供十个预设音色，并可在文本中使用 \<laugh\>、\<breath\> 和 \<sigh\> 标签，适合本地化对白与旁白。在 App 的 ONNX 运行时上以 CPU 运行。不支持声音克隆。Open RAIL-M：可在其使用限制范围内商用。

- ID: `aigd.tts-supertonic-3`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.tts-supertonic-3

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.tts-supertonic-3
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.tts-supertonic-3`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# Supertonic 3 (`aigd.tts-supertonic-3`)

Supertonic 3 是 Supertone 的本地文本转语音模型，支持 31 种语言，提供十个预设音色（F1–F5、M1–M5），并可把表达标签 `<laugh>`、`<breath>` 和 `<sigh>` 直接写进文本。它约有 99M 参数，运行在 AI Game Dev 内置的 ONNX 运行时（`onnx-tts@1`）上，只占用 CPU，无需安装其他东西。在我们的测试中，它在一颗 32 核桌面 CPU 上的语速约为实时的 2.4–3.6 倍，因此适合需要多语言大量语音、又没有 GPU 的游戏。

## 你可以做出什么

- 31 种语言的本地化对白、旁白和 UI 播报，其中包括多种欧洲语言、阿拉伯语、印地语、日语、韩语和越南语。
- 把笑声、呼吸声或叹气声直接写进文本的台词。
- 在 CPU 上批量生成大量语音。

## 示例请求

- “用 F2 音色朗读波兰语、捷克语和匈牙利语的教程。”
- “给疲惫的士兵配音：‘我们走了一整夜 <sigh>，还是不见他们的踪影。’”
- “把每条商人台词都用 M3 音色做成日语版。”

## 亮点

|  |  |
|---|---|
| 模型 ID | `aigd.tts-supertonic-3.default` |
| 语言 | 31: en, ko, ja, ar, bg, cs, da, de, el, es, et, fi, fr, hi, hr, hu, id, it, lt, lv, nl, pl, pt, ro, ru, sk, sl, sv, tr, uk, vi |
| 音色 | F1–F5、M1–M5（默认 F1） |
| 表达标签 | `<laugh>`, `<breath>`, `<sigh>` |
| 声音克隆 | 否 |
| 输出 | 44.1 kHz，单声道 |
| 单次请求文本量 | 最多 3,000 字符 |
| 运行于 | CPU |
| 下载 | 约 400 MB |
| 许可 | BigScience Open RAIL-M：可在其使用限制范围内商用；生成的语音须标注为机器生成 |

## 运行方式

模型的约 99M 参数分布在四个 ONNX 图中，由 App 内置的 ONNX 运行时（`onnx-tts@1`）在 CPU 上运行。不支持声音克隆：Supertone 的自定义音色来自其付费的 Voice Builder，不属于本软件包的一部分。

长文本会被切分成句子（每段 300 字符，韩语和日语为 120 字符），再用 0.3 s 的静音拼接，与 Supertone 参考代码的做法一致。

在 32 核 x86-64 CPU 上实测（DEV-167 冒烟测试）：4.7 s 英语语音耗时 1.3 s，2.6 s 俄语耗时 1.1 s，8 步。下载：约 400 MB。

Supertonic 2 仍作为 App 内置的本地语音模型提供（`aigd.local.supertonic`）；Supertonic 3 则是单独的可选下载。

## 许可

BigScience **Open RAIL-M**。允许在该许可的使用限制范围内商用。下载前 App 会要求你接受该许可。

- Supertonic 3（时长预测器、文本编码器、向量估计器、声码器、音色风格）© 2026 Supertone Inc. — 固定版本下的 [LICENSE](https://huggingface.co/supertone-oss-archive/supertonic-3/blob/aafc6e32416a594460b32413efc49d7fe4ce6d46/LICENSE)、[模型卡](https://huggingface.co/supertone-oss-archive/supertonic-3)（`license: openrail`）。本软件包中的每个文件（`onnx/*.onnx`、`onnx/tts.json`、`onnx/unicode_indexer.json`、`voice_styles/*.json`）都来自该仓库的版本 `aafc6e32416a594460b32413efc49d7fe4ce6d46`：Supertone 的归档命名空间（其已归档的 GitHub README 会引导用户到那里下载），是与 [`Supertone/supertonic-3`](https://huggingface.co/Supertone/supertonic-3) 文件完全相同的副本。
- App 中的推理代码移植自 Supertone 的参考 `nodejs/helper.js`（[github.com/supertone-inc/supertonic](https://github.com/supertone-inc/supertonic)，MIT，© 2025 Supertone Inc.）；其声明位于 App 的 `THIRD_PARTY_NOTICES.md` 中。

重新分发模型时必须注明的归属信息：附带 Open RAIL-M 许可，在你自己的条款中保留其使用限制（附件 A），并注明 "Supertonic 3 © 2026 Supertone Inc."。对你生成的语音不要求署名，但请参见下面的披露规则。

限制条款，直白地说：

- **禁止冒充**：未经本人同意，不得冒充或试图冒充真实人物（深度伪造）。
- **披露机器生成内容**：在你发布生成的语音时，应当明确说明它是机器生成的（附件 A (e)）。
- 附件 A 中的其他用途同样被禁止，包括：任何违法行为、伤害未成年人、有害的虚假信息、有害的个人信息、骚扰或诽谤、完全自动化地做出涉及他人法律权利的决策、歧视、剥削弱势群体、医疗建议，以及执法、司法或移民决策。完整清单请阅读附件 A。
- 没有地域限制，没有收入上限，不添加水印。
- Supertone 已于 2026 年 9 月归档该项目：不再有模型更新。

所有文件均从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
