/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
326 МБ
Лицензия
Apache 2.0
Архитектура
omnivoice · dense
Базовая модель
OmniVoice
Библиотека
mlx
Опубликована
15 мая 2026

OmniVoice-4bit

Синтез речиТекст → аудио3 профессии

Компактная 4-битная MLX-версия OmniVoice для многоязычного синтеза речи и клонирования голоса на Apple Silicon.

232скачиваний за 30 дней3лайкавеса обновлены30 мая 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

OmniVoice-4bit — 4-битная версия модели преобразования текста в речь OmniVoice, подготовленная сообществом mlx-community в формате MLX для компьютеров Apple Silicon. Она предназначена для многоязычного синтеза речи с нуля на основе текста и поддерживает клонирование голоса; компактный вариант подходит для экономии памяти и используется как вариант по умолчанию в Space проекта. В репозитории сохранены конфигурация и токенизатор официальной модели, а также необходимые компоненты аудиотокенизатора.

Для надежного кодирования голоса при клонировании нужны полные, а не облегченные ресурсы аудиотокенизатора. Указанная лицензия — Apache-2.0; README отмечает, что для исходной модели и использования вне MLX авторитетны карточка и репозиторий k2-fsa/OmniVoice.

Сценарии применения

  • синтез речи из текста на разных языках
  • клонирование голоса по аудиопримеру
  • озвучивание текста на устройствах Apple Silicon с ограниченной памятью

Ограничения

Для клонирования голоса необходим полный аудиотокенизатор: облегченные ресурсы не обеспечивают надежное кодирование говорящего. Это 4-битная конверсия для MLX на Apple Silicon; README рекомендует сверяться с карточкой исходной модели для условий использования вне MLX.

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

Part of the OmniVoice MLX collection.

OmniVoice-4bit (MLX)

Apple MLX weights for k2-fsa/OmniVoice, a massively multilingual zero-shot TTS model. This is a community MLX conversion for Apple Silicon; the upstream model card, license, and repository remain authoritative for non-MLX usage.

TL;DR

Variant4-bit
Best forsmallest checkpoint and Space default
Runtimeailuntx/OmniVoice-MLX
Official codek2-fsa/OmniVoice
FormatMLX safetensors + tokenizer/config assets
HardwareApple Silicon recommended; HF Spaces Linux CPU fallback can be slow

Quick Start

hf download mlx-community/OmniVoice-4bit --local-dir ./models/OmniVoice-4bit

git clone https://github.com/ailuntx/OmniVoice-MLX.git
cd OmniVoice-MLX
python -m venv .venv
.venv/bin/pip install -e .

Run a minimal generation from the MLX helper repository:

.venv/bin/python scripts/infer_mlx.py \
  --model ./models/OmniVoice-4bit \
  --text "Hello from OmniVoice MLX." \
  --language en \
  --output output.wav

Variants

VariantBest for
OmniVoicedefault entry
OmniVoice-fp32high-precision baseline
OmniVoice-bfloat16high-quality Apple Silicon use
OmniVoice-8bitsmaller local checkpoint
OmniVoice-4bitsmallest checkpoint and Space default

Layout

OmniVoice-4bit/
├── config.json
├── model.safetensors / shards
├── tokenizer files
├── audio_tokenizer/
└── mlx_manifest.json

Conversion Notes

ComponentSourceMLX handling
main modelk2-fsa/OmniVoiceconverted to MLX weights
tokenizer/configofficial checkpointcopied for runtime compatibility
audio tokenizerofficial OmniVoice assetsincluded as a required subcomponent

Validation

Local MLX smoke tests were used during conversion. For voice cloning checks, use a full audio tokenizer; slim tokenizer assets can decode audio but do not provide a reliable speaker-encoding path.

License

License follows the upstream OmniVoice release.

Citation

@misc{omnivoice-mlx,
  title  = {OmniVoice-MLX: Apple MLX port of OmniVoice},
  author = {ailuntx},
  year   = {2026},
  url    = {https://github.com/ailuntx/OmniVoice-MLX},
}

@article{zhu2026omnivoice,
  title   = {OmniVoice: Towards Omnilingual Zero-Shot Text-to-Speech with Diffusion Language Models},
  author  = {Zhu, Han and Ye, Lingxuan and Kang, Wei and Yao, Zengwei and Guo, Liyong and Kuang, Fangjun and Han, Zhifeng and Zhuang, Weiji and Lin, Long and Povey, Daniel},
  journal = {arXiv preprint arXiv:2604.00688},
  year    = {2026},
}

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.

Класс архитектуры
OmniVoice
Ревизия весов
e568702

0 моделей