/ Модель

Характеристики

Контекст
32 768 токенов
Архитектура
cosyvoice3 · dense
Базовая модель
Fun-CosyVoice3-0.5B-2512
Библиотека
mlx-audio-plus
Опубликована
16 дек 2025

Fun-CosyVoice3-0.5B-2512-4bit

Синтез речиТекст → аудио3 профессии

Многоязычная 4-битная версия CosyVoice3 для синтеза речи по тексту, клонирования голоса по образцу и управления стилем речи.

380скачиваний за 30 дней3лайкавеса обновлены17 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

Fun-CosyVoice3-0.5B-2512-4bit — многоязычная модель синтеза речи из семейства CosyVoice3, опубликованная mlx-community и преобразованная из FunAudioLLM/Fun-CosyVoice3-0.5B-2512 в формат MLX. Для Qwen2 LLM-блока применена 4-битная квантизация, уменьшающая потребление памяти при сохранении качества. Репозиторий использует библиотеку mlx-audio-plus и формат safetensors.

Модель предназначена для синтеза речи по тексту, в том числе с голосовым образцом: поддерживаются zero-shot и межъязыковой режимы, а также управление стилем с помощью инструкции, например просьбы говорить медленнее. По метаданным карточки поддерживаются китайский, английский, японский, корейский, немецкий, французский, русский, итальянский и испанский языки. Для работы с голосовым образцом могут передаваться аудио и, в соответствующих режимах, его текстовая расшифровка.

Квантизация снижает требования к памяти; README не приводит конкретных оценок качества или ограничений. Модель распространяется в преобразованном формате MLX; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • озвучивание текста на поддерживаемых языках
  • синтез речи с голосом, заданным аудиообразцом
  • межъязыковой синтез с использованием голосового образца
  • генерация речи с заданной расшифровкой образца для повышения качества
  • управление темпом и стилем речи текстовой инструкцией

Ограничения

Для описанных режимов требуется голосовой аудиообразец; передача его расшифровки может улучшить качество. README не содержит количественных оценок качества, а преобразованный формат MLX предназначен для соответствующей программной среды.

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/Fun-CosyVoice3-0.5B-2512-4bit

This model was converted to MLX format from FunAudioLLM/Fun-CosyVoice3-0.5B-2512 using mlx-audio-plus version 0.1.4.

This model uses 4-bit quantization for the Qwen2 LLM backbone, reducing memory usage while maintaining quality.

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/Fun-CosyVoice3-0.5B-2512-4bit --text "Hello!" --ref_audio ref.wav

# Zero-shot (with transcription)
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-4bit --text "Hello!" --ref_audio ref.wav --ref_text "Transcription of ref audio."

# Instruct (style control)
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-4bit --text "Hello!" --ref_audio ref.wav --instruct_text "Speak slowly and calmly"

# Voice Conversion
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-4bit --source_audio source.wav --ref_audio ref.wav

Python

from mlx_audio.tts.generate import generate_audio

generate_audio(
    text="Hello, this is CosyVoice 3 on MLX!",
    model="mlx-community/Fun-CosyVoice3-0.5B-2512-4bit",
    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
55a6713

0 моделей