Supertonic 3

99M 参数的端侧语音模型,支持 31 种语言,通过 ONNX Runtime 运行。OpenRAIL-M 权重;2026 年已停止开发。

一句话概括. Supertonic 3 用 31 种语言朗读文字,完全在你自己的设备上运行,不需要显卡。它自带十个预设音色,许可证允许商用,但禁止某些滥用。开发商在 2026 年停止了开发,所以不会再有修复。

概述

Supertonic 3 是韩国语音 AI 公司 Supertone 的端侧文本转语音系统,2026 年 5 月发布。它通过 ONNX Runtime 运行,不需要调用云端,Python SDK(pip install supertonic)会在首次使用时下载模型文件。Supertone 称,公开的 ONNX 文件合计约 9900 万参数,是四个大小分别为 3.7、36.4、256.5 和 101.4 MB 的模型,加起来约 400 MB,与 32 位权重吻合。输出为 44.1 kHz 音频。Supertonic 3 把只支持 5 种语言的 Supertonic 2 扩展到了 31 种:英语、韩语、日语、阿拉伯语、保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、爱沙尼亚语、芬兰语、法语、德语、希腊语、印地语、匈牙利语、印尼语、意大利语、拉脱维亚语、立陶宛语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语、土耳其语、乌克兰语和越南语,其中没有中文。把语言设置为 na,模型就能处理你不知道语言的文本。

开放权重里有十个固定的预设音色风格。零样本声音克隆只通过 Supertone 的托管服务提供,不在开放发布的范围内。模型卡称,与 Supertonic 2 相比,3 版的重复和漏读错误更少,说话人相似度更高,并支持简单的行内表情标签。它还称 Supertonic 3 的错误率与 VoxCPM2 等大得多的开放模型相比仍有竞争力,同时占用内存更少,在 CPU 上运行很快,即使与在 A100 GPU 上测得的较大模型相比也是如此。模型卡用图表而不是表格展示这些说法,它们都是开发者自己的。

这个项目已经收尾。Supertone 在 2026 年 7 月合并了停止开发的声明,并在 2026 年 9 月 9 日把 GitHub 仓库存档,表示不会再提供更新、错误修复、安全补丁或支持。代码和权重现在放在 supertone-oss-archive 的 GitHub 组织和 Hugging Face 命名空间下,存档里指明那里是下载模型的地方。Hugging Face 上原来的 Supertone/supertonic-3 仓库依然存在,下载量更多,截至 2026 年 11 月 11 日的 30 天内约 9.3 万次。

权重采用 BigScience OpenRAIL-M 许可证,允许商用,但要求每一份副本和衍生作品都带上它的禁止用途清单。示例代码是 MIT。如果产品需要免费、私密、多语言、下载量又小的语音,并且不介意没有后续更新,Supertonic 3 合适。想要持续维护的引擎或声音克隆的团队,应该比较 Pocket TTS 和 Phonon。

适合做什么

  • 笔记本、手机、浏览器和小型开发板上的私密离线语音,不需要 GPU
  • 需要用一个小模型覆盖多种语言的产品,包括韩语、日语、阿拉伯语和大多数欧洲语言
  • 商业使用,前提是把 OpenRAIL-M 的使用限制传递给你的用户
  • 在普通 CPU 上快速合成、占用内存少

需要注意

  • 开发和支持已经结束,仓库已存档,不要指望修复或新增语言
  • 许可证是带禁止用途清单的 OpenRAIL-M,而不是 Apache 2.0 或 MIT,每份副本都必须带上这些限制
  • 只包含十个预设音色,克隆需要 Supertone 的托管服务
  • 不支持中文
  • 质量和速度的说法来自开发者的图表,我们没有复现
  • Hugging Face 上原来的仓库可能被移除,需要长期使用的话请用存档命名空间

性能数据来自开发方,未经独立验证。

需要多少内存?

以下是 Supertonic 3 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。

版本 参数量 下载大小 所需内存 可运行于
Supertonic 3 (ONNX) FP32 99M 0.4 GB 0.46 GB 笔记本或手机

下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。

许可证,用大白话说

BigScience 在 2022 年 8 月撰写的标准 Open RAIL-M 许可证。它免费授予全球范围的版权和专利权利,包括把模型作为服务托管,但要求每一份副本和每个衍生作品都带上一份禁止用途清单,例如违法、未经同意冒充他人、提供医疗建议,以及对人的法律权利做全自动决策。

  • 需要署名或标明模型名称
  • 须遵守可接受使用政策

进一步了解 OpenRAIL-M

延伸阅读

常见问题

Supertonic 3 是什么?
Supertonic 3 用 31 种语言朗读文字,完全在你自己的设备上运行,不需要显卡。它自带十个预设音色,许可证允许商用,但禁止某些滥用。开发商在 2026 年停止了开发,所以不会再有修复。
Supertonic 3 可以商用吗?
可以,但有条件。Supertonic 3 采用 OpenRAIL-M 发布,允许商用,但附带额外规则:需要署名或标明模型名称; 须遵守可接受使用政策。产品上线前请阅读许可证原文。
Supertonic 3 是开源的吗?
Supertonic 3 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 OpenRAIL-M 附带了开源促进会的定义所不允许的条件。
我能在自己的电脑上运行 Supertonic 3 吗?
可以。最小版本 Supertonic 3 (ONNX) 在 4 位精度下约需 0.46 GB 内存,现代笔记本或中端显卡即可胜任。
Supertonic 3 是什么时候发布的?
Supertonic 3 由 Supertone 于 2026年5月 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Phonon 31M Gradium 31M – Apache 2.0 (宽松) 0.0747 GB 笔记本或手机
Phonon 40M Gradium 40M – CC BY-NC (非商用) 0.0858 GB 笔记本或手机
Pocket TTS Kyutai 18M – 100M – CC BY 4.0 (宽松) 0.127 GB 笔记本或手机
Kokoro hexgrad 82M – Apache 2.0 (宽松) 0.38 GB 笔记本或手机