/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
1,2 ГБ
Лицензия
Apache 2.0
Архитектура
omnivoice · dense
Базовая модель
OmniVoice
Библиотека
mlx
Опубликована
15 мая 2026

OmniVoice-bfloat16

Синтез речиТекст → аудио3 профессии

Многоязычная модель синтеза речи OmniVoice в формате MLX bfloat16 для локального запуска и клонирования голоса на Apple Silicon.

1 511скачиваний за 30 дней2лайкавеса 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-bfloat16 — версия многоязычной модели синтеза речи OmniVoice, подготовленная сообществом mlx-community для Apple Silicon и библиотеки MLX. Это преобразование весов k2-fsa/OmniVoice в формат MLX с точностью bfloat16; конфигурация, токенизатор и необходимые компоненты аудиотокенизатора взяты из официального чекпойнта. Исходная модель поддерживает синтез речи с нуля по тексту и клонирование голоса.

Модель предназначена для локального синтеза речи и создания озвучки на устройствах Apple Silicon. Версия bfloat16 описана как качественный вариант для такого применения. Для клонирования голоса нужен полный аудиотокенизатор: облегчённые ресурсы могут декодировать аудио, но не обеспечивают надёжное кодирование голоса говорящего. Используются лицензия Apache-2.0 и условия исходного репозитория k2-fsa/OmniVoice.

Сценарии применения

  • локальная озвучка текста на устройствах Apple Silicon
  • создание многоязычной речи по тексту
  • клонирование голоса по образцу
  • подготовка озвучки для аудио- и видеоматериалов

Ограничения

Клонирование голоса требует полного аудиотокенизатора; облегчённые ресурсы не обеспечивают надёжное кодирование голоса говорящего. README не приводит конкретный список поддерживаемых языков.

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-bfloat16 (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

Variantbfloat16
Best forsmaller high-quality baseline for Apple Silicon
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-bfloat16 --local-dir ./models/OmniVoice-bfloat16

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-bfloat16 \
  --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-bfloat16/
├── 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
6119f70

0 моделей