/ 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-2512-8bit

Синтез речиТекст → аудио3 профессии

Квантизованная 8-битная MLX-версия CosyVoice3 для многоязычного синтеза речи с образцом голоса и управлением стилем.

338скачиваний за 30 дней1лайквеса 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-2512-8bit — конвертированная в формат MLX и квантизованная до 8 бит версия модели FunAudioLLM/Fun-CosyVoice3-0.5B-2512, опубликованная сообществом mlx-community. Это плотная модель семейства CosyVoice3 для синтеза речи из текста; 8-битная квантизация применяется к языковой основе Qwen2 и уменьшает потребление памяти при сохранении качества. Модель поддерживает китайский, английский, японский, корейский, немецкий, французский, русский, итальянский и испанский языки.

Доступны межъязыковой синтез с образцом аудио, zero-shot синтез с образцом аудио и его текстовой расшифровкой, а также управление стилем речи с помощью инструкции, например просьбы говорить медленнее. Модель рассчитана на запуск через библиотеку mlx-audio-plus в формате MLX.

В карточке указана конверсия исходной модели и 8-битная квантизация Qwen2; отдельная лицензия этой версии не приведена, поэтому условия использования следует сверять с карточкой базовой модели FunAudioLLM/Fun-CosyVoice3-0.5B-2512. Качество синтеза может зависеть от языка и предоставленного образца голоса.

Сценарии применения

  • синтез речи из текста на девяти языках
  • межъязыковой синтез речи по образцу голоса
  • zero-shot генерация речи с текстовой расшифровкой образца
  • управление темпом и стилем синтезируемой речи

Ограничения

Для работы нужны образец аудио, а для режима с повышенным качеством — также его текстовая расшифровка. Модель опубликована в формате MLX и предназначена для запуска через mlx-audio-plus; сведения о лицензии этой версии не приведены.

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-2512-8bit

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 8-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-2512-8bit --text "Hello!" --ref_audio ref.wav

# Zero-shot (with transcription)
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-8bit --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-2512-8bit --text "Hello!" --ref_audio ref.wav --instruct_text "Speak slowly and calmly"

# Voice Conversion
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-8bit --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-2512-8bit",
    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
177baf2

0 моделей