/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Размер весов
9,1 ГБ
Лицензия
Своя лицензия
Архитектура
fish_qwen3_omni · dense
Базовая модель
s2-pro
Библиотека
mlx
Опубликована
29 июн 2026

Ссылки

Hugging Face

Fish-Audio-S2-Pro-MLX-fp16

aufklarer
Синтез речиТекст → аудио3 профессии

Экспорт Fish Audio S2 Pro в формате MLX fp16 для многоязычного синтеза речи с управлением эмоциями и просодией.

72скачиваний за 30 дней1лайквеса обновлены29 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Fish-Audio-S2-Pro-MLX-fp16 — экспорт модели fishaudio/s2-pro в формате MLX fp16 safetensors для оценки и реализации запуска на Apple Silicon. Экспорт сохраняет исходные имена ключей; карточка не обещает совместимость с готовыми средами запуска и отмечает, что это не готовый чекпойнт для Transformers.

Модель предназначена для синтеза речи по тексту. В ней поддержаны встроенные текстовые маркеры управления просодией и эмоциями, включая паузы, ударение, смех, шёпот, крик, радость, гнев, удивление и грусть. В метаданных перечислены хинди, английский, китайский, японский, корейский, испанский, португальский, арабский, русский, французский и немецкий; базовая модель описана как многоязычная.

Это экспорт базовой модели fishaudio/s2-pro, а не независимая архитектурная разработка. Публичные веса предназначены для исследований и некоммерческого использования; для коммерческого применения нужна отдельная лицензия. Запуск требует подходящего порта MLX, а совместимость с конкретной средой из карточки не следует.

Сценарии применения

  • синтез речи из текста на нескольких языках
  • генерация реплик с заданной эмоцией
  • управление паузами и ударениями в озвучке
  • создание шёпота, смеха и крика в синтетической речи

Ограничения

Публичные веса предназначены для исследований и некоммерческого использования; коммерческое применение требует отдельной лицензии. Экспорт не является готовым чекпойнтом Transformers, и поддержка запуска зависит от наличия подходящего порта MLX.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fish-Audio-S2-Pro-MLX-fp16

This is an fp16 artifact export of fishaudio/s2-pro for Apple Silicon runtime evaluation.

Runtime support is not implied by this model card. The bundle preserves upstream key names and is intended for a speech-swift Swift/MLX port.

Model

FieldValue
Sourcefishaudio/s2-pro
Source revision1de9996b6be38b745688de084d87a5633f714e4e
FormatMLX fp16 safetensors
License postureresearch/non-commercial
Readinessbenchmark-only
Sample rateSee upstream/runtime implementation.
Voice conditioningFish Speech reference / speaker conditioning stack
Runtime statusbenchmark artifact; not for default product integration

Emotion Control

FieldValue
Marker syntaxfree-form inline bracket tags
Supported markers[pause], [emphasis], [laughing], [excited], [angry], [whisper], [screaming], [shouting], [surprised], [sad]

Files

  • config.json - root config for Hugging Face download tracking and runtime metadata
  • soniqo_manifest.json - export manifest with source, marker, readiness, and file metadata
  • *.safetensors - fp16-converted model weights with upstream key names preserved

Notes

  • Strong benchmark for free-form inline prosody/emotion tags.
  • Public weights are research/non-commercial; commercial use requires a separate license.
  • The codec checkpoint is converted from PyTorch pickle to safetensors when this model is exported.

Usage

These artifacts are for runtime implementation and evaluation. They are not a drop-in Transformers checkpoint.

git clone https://huggingface.co/aufklarer/Fish-Audio-S2-Pro-MLX-fp16

Source

Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
2543398

0 моделей

    Создать бенчмарк