# supertonic-express 第 6 期 · Lucy 交付素材包 v1（供 eleven / Builder阿码 对盘）

> 口径基准（v1）：共享素材 = 我亲测产出的 4 条 WAV（en / en-自然文本 / ko / es，均 15 步推理）。
> 所有数字以《文案_终稿.md》与 `test/out/run_log_15step.json` 为准。
> **⚠ 口径待 chair 裁定**：派工单要求"中文+至少 1 门外语"，实测 Supertonic 2 不支持中文（报错原文 `Language 'zh' not supported. Choose from: en, ko, es, pt, fr`）。
> 文案已按实测事实表述为「5 种语言（en/ko/es/pt/fr，无中文）」；若 chair 裁定需调整表述，我再改终稿并同步 APP.md 素材。

## 〇、共享素材 sha256（多人共用同一版本）

| 文件 | sha256 | 说明 |
|---|---|---|
| test/out/en_s15.wav | 4b6bb655ab44fe0b4f2212f02cfb8c2d0505541331149f9d2c23db9470838677 | 英语 M1，77 字符，6.97s |
| test/out/en-natural_s15.wav | cf84be0f6ab647f9be933454b6f1757a8d0b27cf3083333764ee3cbde7b10e4c | 英语自然文本（$5.2M/4:45 PM/Wed, Apr 3），86 字符，9.61s |
| test/out/ko_s15.wav | b77b7f842f950772bd4bbc81411c2a0a252ce26b3da449705dac45db883754c5 | 韩语 F1，35 字符，5.85s |
| test/out/es_s15.wav | be9549251c7a52d70451a2151b495473c4b027523da128bce03cbc23fad381c8 | 西语 M1，73 字符，6.20s |
| test/out/run_log_15step.json | b8343aa419e603eb8945796337d01dd0ff8c88c3290fb179bf6ba580cb7366ee | 15 步亲测原始日志 |
| test/out/run_log_5step.json | 8e88f07344d88ba6c2c1f8631aeb755af7699d8df673b2f7f33a1208938c039a | 5 步对照日志 |
| 文案_终稿.md | 3fa5b749493448768060176ea56e9156d76cfe977b1cadd255307a046a71de7a | 终稿（humanizer-zh 已过） |
| 文案_初稿.md | 93ff6880e5651ea2510d0528fadb02fa7fd511646877e9f84e1b59ee195eb30c | 初稿（留档对照） |

素材路径：`/Users/tusm/idbots/project/bots/21/2026-08-22/test/out/`

## 一、配图 prompt（3 张，供 eleven 制作）

**图1 cover.png（封面卡）**
- 主标：`Supertonic Express 亲测`
- 副标：`本地多语言 TTS · 零 API Key`
- 主数字区：`3 种语言跑通` / `RTF 0.23 最快`（副行：`15 步推理 · M1 Pro`）
- 底部：`一天一个新 Skill · 第 6 期` / `2026-08-22` / `github.com/groxaxo/supertonic-express`（纯文本，勿做链接样式）
- 视觉：深色底 + 声波图形 + 语言标签 `en ko es pt fr`（中文不在列，可放一个灰色 `zh 暂不支持` 小标签，呼应文案边界）

**图2 how-it-works.png（原理/管线示意图）**
- 管线：`文本 → [ONNX 本地推理] → WAV 44.1kHz`
- 标注：模型 `263MB` · `66M 参数` · 音色 `M1/F1`
- 语言区：`en ko es pt fr` 5 个标签 + 一个划线的 `zh`（暂不支持）
- 命令示例（真实命令，两行）：
  - `git clone https://github.com/groxaxo/supertonic-express.git`
  - `cd js && npm install`
- footer：`首次运行自动下载模型 ~263MB · 二次启动加载约 1s`

**图3 metrics.png（量化数据图）**
- 主对比：4 条实测语音（en / en-自然文本 / ko / es）的生成耗时 vs 输出时长
  - en：3.27s → 6.97s 音频
  - en-自然文本：2.19s → 9.61s 音频（含 $5.2M / 4:45 PM / Wed, Apr 3）
  - ko：1.48s → 5.85s 音频
  - es：1.58s → 6.20s 音频
- 副指标：RTF 0.23~0.47（15 步实测）；首次下载模型 297s，二次加载 1s
- 底部小字：`实测：M1 Pro / Node 26 / 15 步推理；未做 ASR 回读验证；输出 pcm_f32le`

## 二、视频脚本（带字幕，供 eleven；总长约 30~35s）

1. **片头卡（2s）**：`Supertonic Express · 亲测手记` / `第 6 期`
2. **终端镜头（~6s）**：跑 `npm install` 与生成脚本，字幕显示真实命令：
   - `git clone ... && cd js && npm install`
   - `node run_tts.mjs` → 字幕 `首次下载模型 ~263MB（实测 297s）· 二次加载 1s`
3. **多语言演示（~15s）**：依次播放 3 条 WAV（en → ko → es），画面为声波+语种标签，字幕=音频原文：
   - en：`Hello! Welcome to Supertonic, on-device text to speech. No cloud, no API key.`
   - ko：`안녕하세요! 슈퍼토닉은 기기에서 바로 실행되는 음성 합성입니다.`
   - es：`¡Hola! Bienvenido a Supertonic, síntesis de voz en tu propio dispositivo.`
4. **数据卡（~8s）**：`RTF 0.23~0.47 · 约 2~4 倍实时`；大字提醒 `暂不支持中文（en/ko/es/pt/fr）`
5. **片尾卡（2s）**：`github.com/groxaxo/supertonic-express`（纯文本）· `零 API Key · 本地运行`

音频素材直接用共享 WAV（en_s15 / ko_s15 / es_s15），与文案数字完全同源。

## 三、APP.md 素材（供 Builder阿码 组装；GitHub 一律纯文本）

```markdown
# supertonic-express（端侧 ONNX 多语言 TTS）

开源端侧 TTS：ONNX Runtime 本地推理，零 API Key、零网络依赖，官方支持 en/ko/es/pt/fr 五种语言（暂不支持中文）。
仓库 github.com/groxaxo/supertonic-express（MIT License，新仓库）｜ 模型 onnx-community/Supertonic-TTS-2-ONNX（66M 参数，约 263MB）｜ Node >= 18 或 Python 3.10+

## 安装（JS 路径实测通过）

1. git clone https://github.com/groxaxo/supertonic-express.git
2. cd js && npm install
3. 首次运行自动下载模型（实测 297s 含下载+加载）；二次启动加载约 1s

实测环境：macOS 26.5.2 / Apple M1 Pro / Node v26.7.0

## 用法（最小示例）

import { SupertonicTTS } from './index.js';
const tts = new SupertonicTTS();
await tts.initialize();
await tts.generateAndSave('Hello world!', 'out.wav', {
  language: 'en',                       // en/ko/es/pt/fr
  speaker_embeddings: 'https://huggingface.co/onnx-community/Supertonic-TTS-2-ONNX/resolve/main/voices/M1.bin',
  num_inference_steps: 15,
  speed: 1.0,
});

支持音色：M1~M5（男）、F1~F5（女）。
注意：language 传 zh 会报错 `Language 'zh' not supported. Choose from: en, ko, es, pt, fr`。

## 实测数据（2026-08-22，15 步推理，M1 Pro）

| 文本 | 语言 | 生成耗时 | 输出时长 | RTF | 文件 |
|---|---|---|---|---|---|
| Hello! Welcome to Supertonic... | en | 3.27s | 6.97s | 0.47 | en_s15.wav |
| The startup secured $5.2M... Wed, Apr 3. | en | 2.19s | 9.61s | 0.23 | en-natural_s15.wav |
| 안녕하세요! ... | ko | 1.48s | 5.85s | 0.25 | ko_s15.wav |
| ¡Hola! Bienvenido ... | es | 1.58s | 6.20s | 0.26 | es_s15.wav |

- 输出：44.1kHz 单声道 WAV，实际为 pcm_f32le（README 写 16-bit，以实测为准）；1 秒音频约 176KB
- 自然文本（$5.2M / 4:45 PM / Wed, Apr 3）无需预处理直接生成成功；发音准确率未做 ASR 回读验证（本机无 ASR 环境）
- 每进程首个生成调用偏慢（预热），之后稳定 1.5~2s；15 步 vs 5 步无稳定提速差异

## 边界

- 暂不支持中文（官方 5 语言：en/ko/es/pt/fr）
- 首次需下载约 263MB 模型；需能访问 Hugging Face
- 实测平台 macOS arm64（M1 Pro）；官方性能口径（i7-4790 9.774x / M4 Pro 167x）为 README 数据，未在本机复现
```

## 四、口径核对清单（发布前自查）

- [ ] 语言口径统一：`en/ko/es/pt/fr，暂不支持中文`——cover 图、管线图、metrics 图、视频字幕、文案、APP.md 全部一致
- [ ] 主口径 = 实测（15 步 / M1 Pro / RTF 0.23~0.47）；官方 README 数字（9.774x / 167x）只标注为官方口径
- [ ] 输出格式口径：pcm_f32le（README 16-bit 以实测为准），1s ≈ 176KB
- [ ] 速度结论：约 2~4 倍实时；不写"5 步更快"（实测无稳定差异）
- [ ] GitHub/官网一律纯文本，无 Web2 可点击链接
- [ ] 上链前等 chair 裁定本包口径（尤其"不支持中文"表述）