Supertonic 3

Supertonic 3

把文字转成 31 种语言的语音，通过 ONNX Runtime 在你自己的设备上运行，无需调用云端。适合想要本地快速语音输出并使用预设声音的开发者。

由 Supertone 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Supertonic 3 是一个轻量的文字转语音系统，通过 ONNX Runtime 在你自己的设备上运行。合成不需要调用云端。这个版本支持 31 种语言，而早期版本只有 5 种，模型卡称它朗读更稳定，重复或漏读的情况更少。

适合谁：适合希望在本地生成语音的应用开发者、内容制作者和语音产品团队。开放文件自带固定的预设声音，所以适合不依赖自定义声音的工作。

Industry | Who uses it | How they use it | Example
客户支持 | 呼叫中心团队 | 在自己的机器上为电话流程生成语音 | 用预设声音把一句问候语变成语音文件
出版 | 有声书制作人 | 用多种语言朗读书面章节 | 把故事中的一段文字转成 wav 文件
游戏与故事 | 角色对白的创作者 | 用不同语言为角色配上语音台词 | 用日语或韩语为一句短台词配音
软件 | 设备端应用的开发者 | 在不把文字发给云服务的情况下添加语音输出 | 在应用里调用这个 Python 包并保存音频

如果你想仅凭开放文件克隆某个特定的声音，可以跳过它。自定义声音风格来自模型卡提到的另一个独立构建工具。

用在哪里：

• Windows、macOS 和 Linux 上的 Python
• 完全在你的设备上运行，合成不调用云端
• 通过 supertonic Python 包用在你自己的脚本和应用里
• Hugging Face，演示页和模型文件都在那里

Use case | Who | What they get back
呼叫中心问候语 | 客服团队 | 用选定声音说出的一句话，保存为音频
有声书朗读 | 出版方和作者 | 英语或日语的朗读段落
角色配音 | 游戏和故事创作者 | 角色的语音对白，包括韩语和日语
新闻播报 | 媒体团队 | 一段短新闻文字的朗读版本

如何设置：你需要 Python，另外首次下载要花几分钟。

• Windows、macOS 或 Linux 上的 Python
• 通过 pip 安装的 supertonic 包
• 首次运行时需要网络连接，SDK 会从 Hugging Face 获取模型资源

1. 如果还没有 Python，先安装它。
2. 用 pip 安装 supertonic 包。
3. 运行下面的快速开始脚本。首次运行会下载模型资源。
4. 如果需要，可以用 Hugging Face 工具下载原始模型文件。

pip install supertonic

pip install -U huggingface_hub
hf download Supertone/supertonic-3

如何使用：创建一个 TTS 对象，按名称选一个声音风格，传入文字和语言代码，然后保存音频。

from supertonic import TTS

tts = TTS(auto_download=True)
style = tts.get_voice_style(voice_name="M1")

text = "A gentle breeze moved through the open window while everyone listened to the story."
wav, duration = tts.synthesize(text, voice_style=style, lang="en")

tts.save_audio(wav, "output.wav")
print(f"Generated {duration:.2f}s of audio")

模型卡说，文字里可以加入表示笑声、呼吸或叹气的简单表情标签。

Tool | What it does
TTS | 加载模型，并在首次使用时下载它的资源
get_voice_style | 按名称选一个预设声音风格
synthesize | 按你给的语言代码把文字变成音频
save_audio | 把音频写入文件，比如 output.wav

示例：把一句英文传给 synthesize，声音风格用 M1，lang 设为 en，然后把结果保存为 output.wav。你会得到一个 wav 文件，脚本还会打印生成了多少秒的音频。

新手与专家：文字转语音就是把书面文字变成口语音频。想试试的话，安装这个包，运行快速开始脚本，再播放 output.wav。换一句话、换一个语言代码，就能听到其他声音和语言。

它在底层用 ONNX Runtime 在本机运行，所以文字不必离开你的电脑。和 Supertonic 2 相比，模型卡称在共有的语言上说话人相似度更高，短句和长句的重复与漏读也更少。别人在 Hugging Face 上发布了 41 个量化版本和 17 个微调版本。

输入文字和语言代码
选定一个预设声音风格
ONNX Runtime 在设备上合成
音频以 wav 文件返回

Title: 支持的语言数
Supertonic 2: 5 种语言
Supertonic 3: 31 种语言

注意事项：

• 开放包里只有固定的预设声音。请只使用你有权使用的声音。
• 自定义声音风格由一个独立的 Voice Builder 根据参考音频制作，模型卡称购买的风格在那里出售。
• 31 种语言中包括英语、韩语、日语、阿拉伯语、保加利亚语、捷克语、丹麦语和德语。
• License: openrail。
• Cost to run: 开放文件没有提到 API 密钥或账户。Voice Builder 的风格需要购买。
• Data it reaches: 首次运行会从 Hugging Face 下载模型资源，音频文件写在你自己的机器上。
• Not for: 仅凭开放文件进行自定义声音克隆。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：supertonic
• 最近 30 天下载：92,359
• 点赞：1,043
• 许可证：openrail
• 语言：en, ko, ja, ar, bg, cs, da, de
• Quantized versions: 43
• Fine-tunes: 17
• 标签：supertonic, onnx, text-to-speech, speech-synthesis, multilingual, on-device

链接

• 模型：https://huggingface.co/Supertone/supertonic-3
• 文件：https://huggingface.co/Supertone/supertonic-3/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Supertone/supertonic-3

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。