Skip to content

v0.10.0

Latest

Choose a tag to compare

@github-actions github-actions released this 19 Nov 18:43
· 2 commits to main since this release

新增

  • 跟进上游 audio.cpp(submodule 从 d2da530b 前进到 5e7273db),新增 5 个模型族(全量 loader 族 147 → 151,完整清单见 模型目录):
    • m5_tts:M5-TTS 多语自回归 TTS + 参考音频克隆(Qwen3 speech codec 解码;zh/yue/zh-Sichuan/en/de/fr/ja/ko;离线+流式;feature model-m5-tts)。
    • tiny_voca:Tiny Voca 4.5M 参数英文 TTS,自带 dizione 音素化前端、无需外部 phonemizer,内置 M2/F2 两音色,支持长文本(仅离线;feature model-tiny-voca)。
    • rosvot:ROSVOT 歌声转符号谱——音符音高/时值与词对齐 MIDI 转写,输出 MIDI 或 JSON 音符事件(仅离线;feature model-rosvot)。
    • soulx_singer:SoulX-Singer 参考音频条件的歌唱合成(SVS)与歌唱 voice conversion(SVC),zh/en/yue(仅离线;task music/svc;feature model-soulx-singer)。
    • granite_speech5:IBM Granite Speech 5.0 2B 自回归多语 ASR + 语音翻译,en/fr/de/es/pt/ja,翻译目标另支持 it/zh(仅离线;feature model-granite-speech5)。
  • ModelFamily 新增对应枚举变体与 from_path() 识别,TaskKind 无需变化(svc 为既有任务类型)。

变更

  • 上游模型行为随 submodule 升级带入:zonos2 新增长文本续写选项 long_form_continuation 且分块默认值 300→150;cosyvoice3 新增 speed 语速选项;ace_step 新增 reference_audio 音色条件;granite5asr 编码器图 arena 默认值调整。全部经通用 options 字符串透传,audio-cpp 的 serde 结构向后兼容。
  • 推送 v* 标签触发的预编译工作流现在会校验标签与 Cargo.toml 版本一致,并从本文件提取对应版本段作为 GitHub Release 说明(缺失时退回通用文案并告警)。

本 Release 附带预编译静态库:共 9 个资产(linux 4 / windows 4 / macos 1),文件名含 submodule commit(audio_commit),包内 metadata.json 记录 target/features/crate_version;audio-cpp-sys 的 prebuilt feature 按 crate 版本号自动下载对应 tag 的资产。