/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
IndexTTS-2
Библиотека
mlx
Опубликована
9 июл 2026

IndexTTS-2-fp16

Синтез речиТекст → аудио3 профессии

MLX-версия IndexTTS-2 для zero-shot клонирования голоса и синтеза эмоционально управляемой речи с заданной длительностью.

378скачиваний за 30 дней1лайквеса обновлены9 июл 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

mlx-community/IndexTTS-2-fp16 — конвертированная в формат MLX версия IndexTTS-2 в точности fp16, опубликованная сообществом mlx-community. Модель предназначена для zero-shot клонирования голоса и синтеза речи по тексту; она позволяет отдельно управлять эмоцией и целевой длительностью речи. Веса включают авторегрессионный компонент UnifiedVoice v2 GPT для преобразования текста в семантическое представление, кондиционеры conformer/perceiver, flow-matching-компонент S2Mel и вокодер BigVGAN v2. Выходная речь имеет частоту дискретизации 22,05 кГц.

Репозиторий содержит веса safetensors для запуска через MLX; Swift-порт поддерживает также создание вариантов int8 и int4 в памяти. В README описаны проверки численного соответствия эталонной реализации, включая воспроизведение её аудиовыхода и управление эмоцией и длительностью. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с исходной моделью IndexTeam/IndexTTS-2 и её лицензией.

Сценарии применения

  • синтез речи по тексту голосом из короткого образца
  • клонирование голоса без дополнительного обучения
  • озвучивание текста с заданной эмоцией
  • генерация речи заданной длительности
  • локальный синтез речи на устройствах с поддержкой MLX

Ограничения

Для работы требуется среда с поддержкой MLX; README не приводит список поддерживаемых языков. Лицензия указана как other, поэтому условия использования нужно проверять в карточке исходной модели.

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

IndexTTS-2 (MLX, fp16)

MLX conversion of IndexTeam/IndexTTS-2 — zero-shot voice-cloning TTS with decoupled emotion control and duration control (22.05 kHz output). Consolidated single-repo weight set for the Swift-MLX port xocialize/mlx-indextts2-swift (an MLXEngine tts package; also loadable by solar2ain/mlx-indextts, whose conversion lineage these weights follow — thanks to vanch007/mlx-indextts2-standard-fp16).

Contents

FileComponentDtype
gpt.safetensorsUnifiedVoice v2 GPT AR (text→semantic) + conformer/perceiver conditionersfp16
s2mel.safetensorsS2Mel flow-matching (DiT/WaveNet/length-regulator)fp16
bigvgan.safetensorsBigVGAN v2 vocoderfp16
vq2emb.safetensorsSemantic-code embeddingfp16
model.safetensorsw2v-BERT 2.0 conditioning front-endfp32 (as upstream)
semantic_codec/model.safetensorsMaskGCT RepCodec semantic codecfp32
campplus.safetensorsCampPlus DTDNN speaker embedding (192-d)fp32
emotion_matrices.safetensors8-emotion preset matrices (emo_matrix 73×1280, spk_matrix 73×192)fp32
tokenizer.model / config.yaml / config.jsonSentencePiece Unigram (12k) + resolved config—

int8/int4 tiers are produced in-memory by the Swift package (GPT transformer Linears, group 64) — no separate quantized repos.

Parity

The Swift port is phase-gated against a captured oracle: tokenizer bit-exact; GPT latent cos 0.9999995; conditioners ≥0.999999; CFM mel 0.9999999; vocoder at the reference's own CPU↔Metal precision floor; end-to-end waveform reproduces the reference render (spectral cos 0.9998, −23.0 dBFS vs −23.2). Emotion (emoAlpha) and exact targetDuration were validated live through MLXServeEngine.

License

Weights: NonCommercial — the INDEX_MODEL_LICENSE requires written authorization from bilibili for commercial use. Port/inference code is Apache-2.0 / MIT (see the source repos).

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
9208353

0 моделей