# Ming-3.0-tts-0.5b: опубликован код для локального озвучивания текста

Источник: https://modelium.tech/zhurnal/ming-3-tts-05b-local-voice-english/

19 октября авторы Ming-3.0-tts открыли код запуска модели 0.5b: она превращает текст в речь на семи заявленных языках, включая английский. Веса доступны на Hugging Face; русского в списке поддерживаемых языков нет. Это пока путь через Python, а не готовое настольное приложение.

19 октября 2026 года команда inclusionAI открыла репозиторий с кодом для Ming-3.0-tts. Для человека, которому нужно озвучить английский текст без отправки его в сервис синтеза речи, главное изменение — теперь вместе с весами модели 0.5b доступен официальный способ запустить её на собственном компьютере. Репозиторий Hugging Face существовал раньше, поэтому речь не о первой загрузке весов именно сегодня. [s1](#src-s1) [s2](#src-s2)

## Что можно сделать с моделью?

Ming-3.0-tts-0.5b — модель преобразования текста в речь. Разработчики заявляют поддержку китайского, английского, немецкого, испанского, французского, корейского и японского; русского в этом списке нет. Можно выбрать встроенный голос, задать манеру произнесения или использовать собственную короткую запись как образец голоса. Синтезированный голос нельзя выдавать за запись другого человека без его согласия. [s1](#src-s1) [s2](#src-s2)

Представьте короткое английское объявление для учебного ролика: исходные данные — несколько предложений; ожидаемый результат — звуковой файл, который нужно прослушать и сверить с текстом. Это иллюстрация применения, а не проведённый редакцией тест модели. Качество произношения на вашем тексте заранее не гарантировано. [s1](#src-s1)

## Что доступно для локального запуска?

Официальный GitHub содержит Python-код, инструкцию по установке зависимостей и пример команды `infer.py`; репозиторий модели на Hugging Face содержит файл весов `model.safetensors` и дополнительные файлы. Для подготовки потребуются интернет и установка программ; в приведённом авторами сценарии вычисление выполняется локально. Их проверка проводилась на NVIDIA H800 и H20 — **это не заявленные минимальные требования** к домашнему компьютеру. На обычном ноутбуке редакция модель не запускала, поэтому обещать скорость или достаточный объём памяти нельзя. [s1](#src-s1) [s2](#src-s2)

Начать следует с [официальной инструкции проекта](https://github.com/inclusionAI/Ming-3.0-tts/tree/e999c39fa676722aaa9ea29b5aa19a90525b271f#quick-start-) и карточки именно варианта `inclusionAI/Ming-3.0-tts-0.5b`. Это один документированный путь для тех, кто уже умеет устанавливать Python-зависимости; готовой установки в один клик проект пока не предлагает. Сверяйте созданную запись с исходным текстом, особенно числа и имена. [s1](#src-s1) [s2](#src-s2)

## Какие ограничения важно знать?

Авторы указывают, что несколько голосовых эффектов в одной фразе работают менее устойчиво, а управление высотой голоса слабее, чем скоростью и громкостью. Их оценочные таблицы и места в рейтингах не являются испытанием Modelium. В карточке весов указана лицензия MIT; код проекта опубликован с отдельным файлом MIT. Базовый Qwen2.5-0.5B помечен Apache-2.0: сохраняйте применимые уведомления при распространении производной модели. Права на сторонние голоса и исходные записи нужно проверять отдельно. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

Появились и сторонние пакеты для Mac с Apple Silicon, но карточка конверсии предупреждает: текущий стабильный `mlx-audio` ещё не содержит нужного исправления, без него модель может произносить не тот текст. Поэтому этот вариант не подаётся как готовый простой рецепт. [s5](#src-s5) [s6](#src-s6)

## Источники

1. [inclusionAI/Ming-3.0-tts — официальный код и README, commit e999c39](https://github.com/inclusionAI/Ming-3.0-tts/tree/e999c39fa676722aaa9ea29b5aa19a90525b271f) — получено 2026-10-19
2. [Ming-3.0-tts-0.5b — закреплённая карточка и файлы весов](https://huggingface.co/inclusionAI/Ming-3.0-tts-0.5b/tree/e5bd8da31ecf1b9276cdbdda821fa891068f1368) — получено 2026-10-19
3. [MIT LICENSE официального проекта](https://github.com/inclusionAI/Ming-3.0-tts/blob/e999c39fa676722aaa9ea29b5aa19a90525b271f/LICENSE) — получено 2026-10-19
4. [Qwen2.5-0.5B — лицензия исходной базовой модели](https://huggingface.co/Qwen/Qwen2.5-0.5B/blob/060db6499f32faf8b98477b0a26969ef7d8b9987/LICENSE) — получено 2026-10-19
5. [MLX-конверсия Ming-3.0-tts-0.5B-8bit — карточка](https://huggingface.co/mlx-community/Ming-3.0-tts-0.5B-8bit/blob/69a14470fdba9df33f458fa26e0b87bbaf5d1b9b/README.md) — получено 2026-10-19
6. [mlx-audio PR #1047: исправление контракта промпта Ming-3](https://github.com/Blaizzy/mlx-audio/pull/1047) — получено 2026-10-19