/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
higgs_audio · dense
Базовая модель
higgs-audio-v2-generation-3B-base
Библиотека
mlx-audio
Опубликована
18 апр 2026

higgs-audio-v2-3B-mlx-q6

Синтез речиТекст → аудио

Квантизированная 6-битная MLX-версия Higgs Audio v2 для синтеза речи и клонирования голоса на Apple Silicon.

101скачиваний за 30 дней2лайкавеса обновлены18 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

Higgs Audio v2 — MLX 6-bit — версия модели синтеза речи Higgs Audio v2, подготовленная сообществом mlx-community для запуска на Apple Silicon. Это 3-миллиардная модель на базе Llama 3.2 с несколькими акустическими кодовыми книгами и потоковой генерацией по шаблону задержки. Репозиторий содержит веса в формате MLX с выборочной 6-битной квантизацией: основные слои Llama и текстовая голова квантизированы, а акустические эмбеддинги и выходная проекция аудиодекодера сохранены в bf16.

Модель предназначена для преобразования текста в речь и клонирования голоса в реальном времени. В README заявлена работа быстрее реального времени на M5 Max для длинных запросов. Для запуска требуется код Higgs Audio v2 из ветки проекта mlx-audio и отдельный токенизатор. Модель поддерживает английский, китайский, корейский, немецкий и испанский языки. Лицензия — Apache-2.0.

Сценарии применения

  • озвучивание текста на английском, китайском, корейском, немецком и испанском
  • клонирование голоса по образцу речи
  • потоковая генерация речи с низкой задержкой
  • синтез речи в реальном времени на компьютерах Apple Silicon

Ограничения

Для запуска нужны совместимая версия mlx-audio с портом Higgs Audio v2 и отдельный токенизатор. Заявленный бенчмарк относится к M5 Max и длинным запросам; производительность на других устройствах может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Higgs Audio v2 — MLX 6-bit

MLX port of bosonai/higgs-audio-v2-generation-3B-base quantized to 6-bit. 3B Llama-3.2-backed text-to-speech with multi-codebook acoustic tokens and delay-pattern streaming. Real-time voice cloning on Apple Silicon.

Install

Requires the Higgs Audio v2 code from Blaizzy/mlx-audio (pending upstream merge — currently on the higgs-audio-v2-port branch at kaioct-labs/mlx-audio).

Usage

from mlx_audio.tts.models.higgs_audio import HiggsAudioServer
import soundfile as sf

server = HiggsAudioServer.from_pretrained(
    model_path="mlx-community/higgs-audio-v2-3B-mlx-q6",
    codec_path="mlx-community/higgs-audio-v2-tokenizer",
)

result = server.generate(
    target_text="Hello from Higgs Audio on MLX.",
    reference_audio_path="reference.wav",
    reference_text="Transcript of the reference audio.",
)
sf.write("output.wav", result.pcm, result.sampling_rate)

Benchmark (M5 Max, warm, long-prompt)

variantRTFsize
bf160.60×6.8 GB
q80.36×6.18 GB
q60.33×4.75 GB

Quantization

Selective — Llama backbone and text head at 6-bit, audio_codebook_embeddings and audio_decoder_proj.audio_lm_head kept at bf16 to preserve voice character. Config in config.json → quantization block, automatically honored by HiggsAudioServer.from_pretrained.

License

Apache-2.0 (inherits from base model).

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.

Класс архитектуры
HiggsAudioModel
Ревизия весов
ec6014e

0 моделей