/ 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-fp16

Синтез речиТекст → аудио3 профессии

Многоязычная версия CosyVoice3 в формате MLX для синтеза речи с голосовым образцом и управлением стилем.

528скачиваний за 30 дней14лайковвеса 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-fp16 — версия модели синтеза речи FunAudioLLM, преобразованная сообществом mlx-community в формат MLX с помощью mlx-audio-plus. Это плотная модель семейства CosyVoice3 с 0,5 млрд параметров в исходной модели; данная версия предназначена для запуска на MLX.

Модель преобразует текст в речь и поддерживает девять языков: китайский, английский, японский, корейский, немецкий, французский, русский, итальянский и испанский. README описывает синтез с голосовым образцом без дополнительных данных, режим с текстом-расшифровкой образца для улучшения качества, а также управление стилем речи инструкцией, например просьбой говорить медленнее. Лицензия в предоставленных данных не указана.

Сценарии применения

  • синтез русской речи по тексту с голосовым образцом
  • создание речи на китайском, английском и других поддерживаемых языках
  • перенос голоса по короткому аудиообразцу
  • синтез с заданным темпом или стилем речи

Ограничения

Для режимов синтеза с голосовым образцом требуется референсное аудио; улучшенный режим также использует его текстовую расшифровку. Лицензия и длина контекста в предоставленных данных 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/Fun-CosyVoice3-0.5B-2512-fp16

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

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-fp16 --text "Hello!" --ref_audio ref.wav

# Zero-shot (with transcription)
mlx_audio.tts --model mlx-community/Fun-CosyVoice3-0.5B-2512-fp16 --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-fp16 --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-fp16 --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-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
18ccb7f

0 моделей