Потоковая модель синтеза английской речи из текста, конвертированная в формат MLX для использования с mlx-audio.
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
VibeVoice-Realtime-0.5B-fp16 — конвертированная в формат MLX модель синтеза речи от mlx-community, созданная на основе microsoft/VibeVoice-Realtime-0.5B. Она принимает текст и генерирует речь в потоковом режиме; карточка также указывает поддержку генерации длинных речевых фрагментов. В метаданных указана архитектура VibeVoice Streaming, а базовая модель — Qwen/Qwen2.5-0.5B. Репозиторий содержит веса Safetensors и рассчитан на использование с библиотекой mlx-audio.
Модель поддерживает английский язык. Лицензия — MIT. Это конверсия модели для MLX; README отсылает за подробностями о характеристиках и ограничениях к карточке исходной модели, поэтому дополнительные гарантии качества или сведения о голосах здесь не подтверждены.
README содержит мало сведений о качестве, голосах и ограничениях генерации и отсылает к карточке исходной модели. Для запуска с MLX требуется библиотека mlx-audio.
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 microsoft/VibeVoice-Realtime-0.5B using mlx-audio version 0.2.6.
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/VibeVoice-Realtime-0.5B-fp16 --text "Hello, this is VibeVoice real-time 0.5B model." --voice en-Emma_woman
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
MLX-модели работают только на Apple Silicon.