Конвертированная в MLX версия Spark-TTS на базе Qwen2 для синтеза английской и китайской речи из текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Spark-TTS-0.5B-bf16 — версия модели Spark-TTS, конвертированная сообществом mlx-community в формат MLX из prince-canuma/Spark-TTS-0.5B. Это модель синтеза речи с архитектурой Qwen2ForCausalLM и примерно 506,6 млн параметров; для работы с ней README рекомендует библиотеку mlx-audio. Модель принимает текст и генерирует аудио; в метаданных указаны английский и китайский языки, а контекст составляет до 32 768 токенов. Репозиторий содержит веса safetensors.
Модель предназначена для синтеза речи из текста в среде MLX. Лицензия CC BY-NC-SA 4.0 требует атрибуции, распространяет производные работы на тех же условиях и ограничивает коммерческое использование. Подробности о качестве речи и специальных ограничениях следует смотреть в карточке исходной модели.
Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование и требует распространять адаптации на тех же условиях с указанием авторства. Подробные ограничения качества и применения в предоставленном README не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model was converted to MLX format from prince-canuma/Spark-TTS-0.5B using mlx-audio version 0.2.0.
Refer to the original model card for more details on the model.
pip install -U mlx-audio
python -m mlx_audio.tts.generate --model mlx-community/Spark-TTS-0.5B-fp16 --text "Describe this image."
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
MLX-модели работают только на Apple Silicon.