AILogDev/sbv2-coreml-common

English

SBV2 Core ML 共通モデル・辞書

iPhone／Apple Silicon Mac用の共通BERTとOpen JTalk辞書です。 SDK・サンプルアプリと、別配布の声モデルを合わせて使います。

使う版を選ぶ

INT8版はint8/、元のFP32版はfloat32/です。 各フォルダにBERT・辞書・ライセンス・取得用マニフェストが揃っています。 声モデルは両方で同じものを使えます。

版・ファイル一覧	共通BERT・辞書	JVNV込み	選ぶ目安	アプリ用マニフェスト
INT8	約503 MB	約797 MB	ファイル容量を抑えたい	INT8版を取得
FP32（float32）	約1.52 GB	約1.81 GB	重み量子化による数値差を避けたい、準備時間を短くしたい	FP32版を取得

INT8版はBERTの重みを8bitで保存します。BERTの演算と入出力は、両版ともFP32です。 iOS 18以上、macOS 15以上のApple Siliconに対応します。コンパイルキャッシュ用に追加の空き容量が必要です。 容量は配布ファイルの概算であり、RAMの削減率を示すものではありません。

サンプルアプリから取得する

モデル設定 → URLからモデルを取得 → 取得するモデル：共通モデルを開き、 共通モデルの版でINT8（約503 MB）またはFP32（約1.52 GB）を選び、ダウンロードを押します。 取得URLが自動設定されます。カスタムURLで取得する場合やSDKから取得する場合は、次のURLを使えます。 以下はファイル一式の版を固定したURLです。

INT8版

https://huggingface.co/AILogDev/sbv2-coreml-common/resolve/973d6e239af305f0d78a8bf30c6af5093c0fd47d/int8/download.json

元のFP32版

https://huggingface.co/AILogDev/sbv2-coreml-common/resolve/973d6e239af305f0d78a8bf30c6af5093c0fd47d/float32/download.json

取得後にモデルを準備を押します。声モデルは別途取得するか、自分で変換した声フォルダを選びます。 取得後の音声合成はオフラインで動作します。

Macで片方だけ取得する

Hugging Face CLIを使います。 --includeで選んだ版だけを取得してください。リポジトリ一式の取得では両版と互換用ファイルもダウンロードされます。

INT8版 → models/int8/

hf download AILogDev/sbv2-coreml-common \
  --revision 973d6e239af305f0d78a8bf30c6af5093c0fd47d \
  --include "int8/*" --local-dir models

元のFP32版 → models/float32/

hf download AILogDev/sbv2-coreml-common \
  --revision 973d6e239af305f0d78a8bf30c6af5093c0fd47d \
  --include "float32/*" --local-dir models

サンプルの共通モデルには、取得したint8/またはfloat32/を選びます。 SDKにはそのフォルダのbert/とdictionary/、別の声フォルダを渡します。 .mlpackageの中身を含め、選んだフォルダ全体を取得してください。

切り替えと音質・速度

取得済みモデルを切り替えるには、合成・再生を停止し、共通モデルで使う版のフォルダを選び、モデルを準備を押します。 フォルダ表示にINT8／FP32の版も表示します。取得欄での版選択だけでは、準備済みモデルは切り替わりません。 SDKでは処理の終了を待ってから、選んだ共通フォルダでloadとwarmUpを行います。 古いモデルとキャッシュは自動削除されません。不要な共通フォルダを削除する場合はアプリを終了するかSDKでunloadし、共用する声フォルダは保持します。

iPhone 17 Pro・JVNV Neutralの測定例	INT8版	元のFP32版
コンパイル済みキャッシュがある再ロード後の準備（load＋warmUp）	約18秒	約6秒
準備後の3文合成RTF中央値	0.071	0.067

初回コンパイル、再生時間、LLMとの同時実行は含みません。声・文章・端末で値は変わり、INT8版が常に高速になるわけではありません。 BERTの量子化によって抑揚・間・音声の長さ・波形に差が生じる場合があります。声モデルの重みと辞書は変更しません。 JVNV Neutralの比較音声では聴き比べで気になる差はありませんでした。採用する声と文章でも確認してください。

SDK導入 · サンプルの起動 · 自分で共通BERTを圧縮する

以前の取得URL

以前の固定リビジョンの取得URLは引き続き使えます。ルートのdownload.json・bert/・dictionary/は既存URLの互換用INT8モデルです。 これから取得する場合は、上の選択表からint8/またはfloat32/を選んでください。

出典とライセンス

BERTは京都大学の自然言語処理研究グループによるDeBERTa日本語モデルからの変換物です。 原本のコミットは547b0e8b044fba3f9b84d0ab9f990440bd130c8bです。 BERTはCC BY-SA 4.0です。各版のLICENSE.md、出典と変換記録のprovenance.jsonを参照してください。 Open JTalk 1.11 UTF-8辞書には別のBSD系条件があり、各版のdictionary/COPYINGに記載しています。 各版のchecksums.jsonでファイルを検証できます。SDK・サンプル・変換ツールのコードはAGPL-3.0です。 非公式の変換物であり、原作者による承認・推奨を示すものではありません。