{ "made_with": "python speak.py --text --voice --phonemes --output samples/ (this repository, CPU, 1 thread)", "machine": { "cpu": "AMD EPYC 9354P 32-Core Processor", "logical_cpus": 4, "python": "3.12.3", "onnxruntime": "1.32.0", "numpy": "2.5.5", "espeak": "eSpeak NG text-to-speech: 1.51 Data at: /usr/lib/x86_64-linux-gnu/espeak-ng-data" }, "note": "speak.py's time includes the first model call of a new session; eval/vps_check.json measures warm speed", "asr_check": "faster-whisper 1.2.1, model small, CPU int8, language pt, beam 5 (a much smaller model than the large-v3-turbo used in eval/report.json)", "samples": [ { "file": "bom-dia-F.wav", "voice": "F", "text": "Bom dia! A padaria da esquina abre às 6h30, então ainda dá tempo de comprar pão quentinho.", "phonemes": [ " b o ŋ dʒ i æ ! ", " a p a d a ɾ i æ d a e s k i n æ a b r i aː s s eɪ z i m eɪ æ , eɪ ŋ t ɐ̃ʊ̃ a i ŋ d æ d a t eɪ m p ʊ dʒ y k o m p r a r p ɐ̃ʊ̃ k eɪ ŋ tʃ i ɲ ʊ . " ], "audio_seconds": 6.65, "speak_py_output": "6.65 s of speech in 0.45 s on 1 CPU thread(s) -> samples/bom-dia-F.wav", "asr_transcript": "Bom dia! A padaria da esquina abre a seis e meia, então ainda dá tempo de comprar pão quentinho." }, { "file": "bom-dia-M.wav", "voice": "M", "text": "Bom dia! A padaria da esquina abre às 6h30, então ainda dá tempo de comprar pão quentinho.", "phonemes": [ " b o ŋ dʒ i æ ! ", " a p a d a ɾ i æ d a e s k i n æ a b r i aː s s eɪ z i m eɪ æ , eɪ ŋ t ɐ̃ʊ̃ a i ŋ d æ d a t eɪ m p ʊ dʒ y k o m p r a r p ɐ̃ʊ̃ k eɪ ŋ tʃ i ɲ ʊ . " ], "audio_seconds": 6.44, "speak_py_output": "6.44 s of speech in 0.32 s on 1 CPU thread(s) -> samples/bom-dia-M.wav", "asr_transcript": "Bom dia! A padaria da esquina abre a seis e meia, então ainda dá tempo de comprar pão quentinho." }, { "file": "conserto-F.wav", "voice": "F", "text": "Você viu que o conserto do carro ficou em R$ 350? O mecânico disse que a peça só chega na quarta-feira.", "phonemes": [ " v o s e v iʊ k y ʊ k o ŋ s ɛ ɾ ə t ʊ d ʊ k a x ʊ f i k o w eɪ ŋ t r e z eɪ ŋ t ʊ z i s i ŋ k w eɪ ŋ t æ x e aɪ s ? ", " ʊ m e k ɐ̃ n i k ʊ dʒ i s y k y a p ɛ s æ s ɔ ʃ e ɡ æ n a k w a ɾ ə t æ f eɪ ɾ æ . " ], "audio_seconds": 7.83, "speak_py_output": "7.83 s of speech in 0.31 s on 1 CPU thread(s) -> samples/conserto-F.wav", "asr_transcript": "Você viu que o concerto do carro ficou em R$ 350. O mecânico disse que a peça só chega na quarta-feira." }, { "file": "conserto-M.wav", "voice": "M", "text": "Você viu que o conserto do carro ficou em R$ 350? O mecânico disse que a peça só chega na quarta-feira.", "phonemes": [ " v o s e v iʊ k y ʊ k o ŋ s ɛ ɾ ə t ʊ d ʊ k a x ʊ f i k o w eɪ ŋ t r e z eɪ ŋ t ʊ z i s i ŋ k w eɪ ŋ t æ x e aɪ s ? ", " ʊ m e k ɐ̃ n i k ʊ dʒ i s y k y a p ɛ s æ s ɔ ʃ e ɡ æ n a k w a ɾ ə t æ f eɪ ɾ æ . " ], "audio_seconds": 7.98, "speak_py_output": "7.98 s of speech in 0.21 s on 1 CPU thread(s) -> samples/conserto-M.wav", "asr_transcript": "Você viu que o concerto do carro ficou em R$ 350. O mecânico disse que a peça só chega na quarta-feira." } ] }