Sintesi vocale su iPhone XS e altri iPhone meno recenti

Sintesi vocale su iPhone XS: funziona ancora? L’iPhone XS è stato presentato a settembre 2018. Ha otto anni, riceve ancora aggiornamenti di iOS, e la domanda con cui arriva chi cerca è se una voce neurale moderna (quella che sembra una persona e non un navigatore) ci giri davvero, o se “IA sul dispositivo” sia un modo discreto per dire “compra un telefono nuovo”.

Quando è stato scritto questo articolo, girava. Ma a deciderlo sono tre barriere distinte, solo due sono scritte sulla scheda dell’App Store, e ogni app le colloca in punti molto diversi.

Fai attenzione a cosa dice l’ultima colonna e a cosa non dice. Il 14 settembre 2026, ogni app di questo elenco scendeva al massimo fino allo stesso hardware del 2018, perché gli elenchi di dispositivi di Apple per iOS 17 e 18 si fermano entrambi a XS e XR: la differenza tra queste app non è quali telefoni possono raggiungere, ma quali hanno scelto di raggiungere. Il requisito di iOS 17 di Éist è il più accogliente per chi ha smesso di aggiornare; la soglia dell’iPhone 15 di Local Narrator esclude cinque anni di telefoni in grado di eseguire il modello.

“IA sul dispositivo” ha finito per indicare un modello linguistico da diversi miliardi di parametri, e quelli sì che richiedono un telefono recente e diversi gigabyte in cui stare. Kokoro-82M non è questo. Ha 82 milioni di parametri, e l’intero download di Sandbook è di circa 276 MB, con il modello e tutte le 41 voci inclusi: due ordini di grandezza in meno dei modelli di chat locali con cui oggi si vendono gli iPhone.

Dall’hardware gli servono una generazione di GPU abbastanza moderna per le funzioni di Metal a cui punta Apple MLX, e abbastanza memoria libera per tenere i pesi mentre gira il resto dell’app. Quando è stato scritto questo articolo, il chip del 2018 superava entrambe le prove. (Con la 1.0.4, Sandbook ha scoperto che la sua build MLX richiede la famiglia di GPU introdotta con l’A14, e ha alzato il requisito all’iPhone 12.) È davvero così: il vincolo qui è la base dello stack software più che la potenza di calcolo, ed è per questo che un telefono di otto anni può produrre una voce che, quando era nuovo, avrebbe richiesto un data center.

C’è una cosa che un telefono più vecchio non ottiene, e non è la qualità audio: è il tempo. La velocità di generazione cresce con la GPU, quindi lo stesso capitolo viene sintetizzato più lentamente su un chip vecchio che su uno nuovo. Poiché Sandbook genera frase per frase con un buffer in anticipo e comincia a leggere dopo la prima frase invece che dopo l’intero capitolo, quello che ti costa è soprattutto una pausa un po’ più lunga all’inizio. Non ho pubblicato tempi per dispositivo e non mi metterò a indovinarli qui; l’architettura è la parte che posso descrivere onestamente, e il periodo di rimborso dell’App Store è ciò che risolve la questione per il tuo telefono.

Su un dispositivo supportato, dall’iPhone 12 in su, non esiste ancora una versione ridotta: ogni dispositivo ha gli stessi 82 milioni di parametri, la stessa uscita a 24 kHz, tutte le 41 voci (28 in inglese americano e britannico), la stessa gamma di velocità da 0,5× a 2,5× applicata dentro il modello, l’evidenziazione parola per parola e la stessa posizione salvata per ogni libro.

E se il tuo telefono sta sotto quella soglia (un iPhone XS, XR o 11, oppure un iPhone X, 8 o 7 fermo a iOS 16), la risposta è quella che hai già sul dispositivo. Leggi schermo fa parte delle funzioni di accessibilità di iOS, non costa nulla e funziona su versioni molto più vecchie di qualsiasi app di questo elenco. Leggi schermo a confronto con un lettore neurale spiega cosa scambi in cambio.

La pagina di prodotto dedicata, su quali iPhone funziona Sandbook, riunisce in un unico posto l’elenco completo di iPhone e iPad.