/ Модель

Характеристики

Лицензия
MIT
Опубликована
19 мар 2026

media-mcp

Синтез речиТекст → аудио

Мультимедийный сервер Skill Pilot объединяет синтез речи, генерацию изображений и видео, синхронизацию губ, живые аватары и создание музыки.

111скачиваний за 30 дней2лайкавеса обновлены7 авг 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

Skill Pilot Media Server — мультимедийный сервер для AI-агента Skill Pilot, объединяющий инструменты генерации речи, изображений и видео. В состав входят ComfyUI для генерации изображений и видео с Z-Image и Wan2.2, IndexTTS для синтеза речи, MuseTalk для создания видео с синхронизацией губ и работы живого аватара, а также SongBloom для создания музыки.

Репозиторий классифицирован как text-to-speech и включает форматы PyTorch, Safetensors и GGUF в вариантах Q4_K_M и Q4_K_S. README описывает серверную упаковку инструментов и моделей, а не единую модель с указанными размером или контекстом. Лицензия репозитория — MIT.

Сценарии применения

  • синтез речи из текста
  • генерация изображений через ComfyUI
  • генерация видео по тексту или изображениям
  • создание видео с синхронизацией губ
  • запуск живого аватара
  • создание музыки

Ограничения

Это мультимедийный сервер, включающий несколько инструментов и моделей, а не единый чекпойнт; README не сообщает поддерживаемые языки синтеза речи или требования к ресурсам.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Skill Pilot Media Server

An all-in-one Media Server for Skill Pilot AI Agent https://skill-pilot.ai. Includes ComfyUI for image/video generation, IndexTTS for text-to-speech, MuseTalk for talking video and live avatar, and SongBloom for music creation.

Included Models and Tools

ToolCapabilities
ComfyUIImage generation, video generation, and talking video via Z-Image and Wan2.2
IndexTTSHigh-quality text-to-speech synthesis
MuseTalkLip-sync video generation and real-time live avatar
SongBloomAI music & song creation

How to Use

docker pull skillpilot/media-server:latest
docker run --gpus all \
  -p 18188:8188 -p 17860:7860 -p 18080:8080 \
  -p 13478:3478 -p 13478:3478/udp \
  -p 15349:5349 -p 15349:5349/udp \
  skillpilot/media-server:latest

When the container is running, it will automatically download the modeles by comand line below:

huggingface-cli download skill-pilot/media-mcp --local-dir /home/ubuntu/workspace/models

Use command below to check the downloading process in the container:

tmux attach -t download -r

You can use the services until the downloading process is completed. The models will be stored in the /home/ubuntu/workspace/models directory inside the container.

For how to use the media mcp server, please check at https://skill-pilot.ai, and find our Discord server invite link at https://skill-pilot.ai and join us for support.

The image is built on runpod/pytorch:2.4.0-py3.11-cuda12.4.1-devel-ubuntu22.04, ensuring compatibility with a wide range of NVIDIA GPUs and CUDA versions.

Tested on NVIDIA RTX 2060 GPU (12 GB VRAM) - MuseTalk live avatar can have real-time performance at 12 FPS.

Supports local GPU acceleration with NVIDIA drivers on the host machine or Runpod Cloud environments.

Free community support — no account required.

Join our Discord server for help, setup, tips, and updates. Find the invite link at https://skill-pilot.ai.

License

Free and open source https://skill-pilot.ai · MIT License

All models included in this repository are licensed under their respective licenses. Please refer to the individual model documentation for details.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
e21caeb

0 моделей