{ "sample_rate": 24000, "hop": 256, "voices": [ "F", "M" ], "symbols": [ "", "", "", "", "", ",", ".", "?", "!", ";", ":", "\"", "'", "(", ")", "—", "…", "p", "pʲ", "b", "bʲ", "t", "tʲ", "d", "dʲ", "k", "kʲ", "ɡ", "ɡʲ", "f", "fʲ", "v", "vʲ", "s", "sʲ", "z", "zʲ", "ʂ", "ʐ", "ɕ", "x", "xʲ", "ts", "tɕ", "m", "mʲ", "n", "nʲ", "l", "lʲ", "r", "rʲ", "j", "a", "o", "e", "i", "u", "ɨ", "ɐ", "ə" ], "max_tokens": 512, "max_frames": 3000, "step": 104000, "inputs": [ "tokens", "stress", "voice", "speed", "pitch_shift", "pitch_range" ], "outputs": [ "audio", "durations" ] }