/ Модель

Характеристики

Лицензия
MIT
Архитектура
melotts · dense
Базовая модель
MeloTTS-English
Библиотека
mlx-audio
Опубликована
1 апр 2026

MeloTTS-English-MLX

Синтез речиТекст → аудио3 профессии

Порт MeloTTS для Apple Silicon синтезирует английскую речь из текста с выбором регионального варианта голоса.

106скачиваний за 30 дней2лайкавеса обновлены1 апр 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

MeloTTS-English-MLX — порт англоязычной модели синтеза речи MeloTTS от myshell-ai для Apple Silicon, использующий библиотеку MLX Audio. Это сквозная архитектура VITS2: текстовый трансформерный энкодер с относительным позиционным вниманием, предсказатели длительности, нормализующий поток и вокодер HiFi-GAN; для просодических признаков используется bert-base-uncased.

Модель преобразует английский текст в речь с частотой дискретизации 44,1 кГц и поддерживает варианты голосов EN-US, EN-BR, EN_INDIA, EN-AU и EN-Default. Она подходит для озвучивания текста в приложениях на устройствах Apple Silicon. Репозиторий содержит конвертированный вариант исходной модели myshell-ai/MeloTTS-English; лицензия — MIT.

Сценарии применения

  • озвучивание английского текста в приложениях для Apple Silicon
  • создание англоязычных голосовых подсказок
  • синтез речи с вариантами произношения США, Бразилии, Индии и Австралии

Ограничения

Порт предназначен для запуска через MLX на Apple Silicon. Поддержка описана для английского языка и перечисленных вариантов голосов.

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

MeloTTS-English-MLX

MLX port of myshell-ai/MeloTTS-English for Apple Silicon.

Architecture

VITS2-based end-to-end TTS with:

  • Transformer text encoder with relative position attention
  • Stochastic + deterministic duration predictors
  • TransformerCouplingLayer normalizing flow (4 layers)
  • HiFi-GAN vocoder
  • BERT prosodic features (bert-base-uncased)

Sample rate: 44,100 Hz
Speakers: EN-US, EN-BR, EN_INDIA, EN-AU, EN-Default

Usage

from mlx_audio.tts.models.melotts import Model, ModelConfig
from mlx_audio.tts.models.melotts.text import process_text
import mlx.core as mx
import json, soundfile as sf, numpy as np
from safetensors.numpy import load_file
from huggingface_hub import snapshot_download
from pathlib import Path

# Download model
model_path = Path(snapshot_download("mlx-community/MeloTTS-English-MLX"))

# Load
with open(model_path / "config.json") as f:
    config_data = json.load(f)
model = Model(ModelConfig.from_dict(config_data))
weights = load_file(str(model_path / "model.safetensors"))
model.load_weights(list({k: mx.array(v) for k, v in weights.items()}.items()))
Model.post_load_hook(model, model_path)

# Generate
for result in model.generate("Hello, this is MeloTTS running on MLX!"):
    audio = np.array(result.audio)
    sf.write("output.wav", audio, result.sample_rate)

Converted from

myshell-ai/MeloTTS-English using mlx_audio.tts.models.melotts.convert.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
30a1b9d

0 моделей