/ Модель

Характеристики

Контекст
32 768 токенов
Архитектура
cosyvoice2 · dense
Базовая модель
CosyVoice2-0.5B
Библиотека
mlx-audio-plus
Опубликована
9 дек 2025

CosyVoice2-0.5B-fp16

Синтез речиТекст → аудио3 профессии

Модель CosyVoice2 для синтеза речи из текста с клонированием голоса по образцу и управлением стилем, подготовленная в формате MLX.

98скачиваний за 30 дней2лайкавеса обновлены11 дек 2025

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

CosyVoice2-0.5B-fp16 — версия модели синтеза речи CosyVoice2, подготовленная mlx-community из FunAudioLLM/CosyVoice2-0.5B для формата MLX с помощью mlx-audio-plus 0.1.2. Модель преобразует текст в речь и поддерживает синтез с опорным аудио: кросс-языковой zero-shot режим, режим с текстовой расшифровкой образца для повышения качества и управление стилем по текстовой инструкции, например просьбой говорить медленнее.

Карточка указывает поддержку английского, китайского, японского и корейского языков. Для работы с голосовым образцом используются аудио и текст; модель выдаёт речь. Репозиторий содержит веса safetensors. Данных о размере контекста и лицензии в предоставленных источниках нет.

Сценарии применения

  • синтез речи из текста на английском, китайском, японском и корейском
  • создание речи с голосом по аудиообразцу
  • кросс-языковой синтез речи по голосовому образцу
  • улучшение синтеза с учётом расшифровки образца
  • управление темпом и стилем речи текстовой инструкцией

Ограничения

Для режимов с голосовым образцом требуется референсное аудио; карточка рекомендует также передавать его расшифровку для повышения качества. Лицензия и предельная длина контекста в предоставленных источниках не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlx-community/CosyVoice2-0.5B-fp16

This model was converted to MLX format from FunAudioLLM/CosyVoice2-0.5B using mlx-audio-plus version 0.1.2.

Usage

pip install -U mlx-audio-plus

Inference Modes

ModeParametersDescription
Cross-lingualref_audioZero-shot TTS (default)
Zero-shotref_audio + ref_textBetter quality with transcription
Instructref_audio + instruct_textStyle control (e.g., "speak slowly")
Voice Conversionsource_audio + ref_audioConvert audio to target voice

Command line

# Cross-lingual (default)
mlx_audio.tts --model mlx-community/CosyVoice2-0.5B-fp16 --text "Hello!" --ref_audio ref.wav

# Zero-shot (with transcription)
mlx_audio.tts --model mlx-community/CosyVoice2-0.5B-fp16 --text "Hello!" --ref_audio ref.wav --ref_text "Transcription of ref audio."

# Instruct (style control)
mlx_audio.tts --model mlx-community/CosyVoice2-0.5B-fp16 --text "Hello!" --ref_audio ref.wav --instruct_text "Speak slowly and calmly"

# Voice Conversion
mlx_audio.tts --model mlx-community/CosyVoice2-0.5B-fp16 --source_audio source.wav --ref_audio ref.wav

Python

from mlx_audio.tts.generate import generate_audio

generate_audio(
    text="Hello, this is CosyVoice2 on MLX!",
    model="mlx-community/CosyVoice2-0.5B-fp16",
    ref_audio="reference.wav",
    file_prefix="output",
)

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio-plus

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
1990483

0 моделей