# mlx-audio 0.6.1: исправлена озвучка Ming-3.0 на Mac

Источник: https://modelium.tech/zhurnal/mlx-audio-0-6-1-ming-3-tts-mac-fix/

20 октября вышла стабильная версия mlx-audio 0.6.1 для компьютеров Mac с процессором Apple Silicon. В неё вошло исправление, без которого Ming-3.0 TTS могла произносить не заданный текст; также исправлены загрузка некоторых аудиофайлов для распознавания и сбой Irodori. Веса Ming загружаются отдельно, а редакция не проводила собственный запуск.

mlx-audio 0.6.1: исправлена озвучка Ming-3.0 на Mac

**Что изменилось 20 октября 2026 года.** Если вы хотели озвучить текст моделью Ming-3.0 на своём Mac, теперь исправление её неверной речи вошло в стабильный выпуск программы mlx-audio 0.6.1. Раньше модель могла загрузиться, но произнести не заданную фразу. Программа использует MLX — систему запуска моделей на Mac с процессорами Apple Silicon; это не выпуск для Windows и не новая версия самих весов Ming. [s1](#src-s1)[s2](#src-s2)[s3](#src-s3)

## Почему это важно для Ming-3.0?

Разработчик исправления обнаружил, что программа оформляла текст для этой модели в неподходящем формате. Исправление вошло в основной код 19 октября, но предыдущий стабильный выпуск 0.6.0 вышел раньше. Теперь есть стабильный пакет 0.6.1, а не только установка из исходной ветки. Это снимает конкретный блокер из [нашей предыдущей новости о MLX-весах Ming](https://modelium.tech/zhurnal/ming-3-tts-mlx-mac-8bit-prompt-fix/). [s1](#src-s1)[s2](#src-s2)[s5](#src-s5)

Файлы модели находятся отдельно от программы: например, открытый пакет `mlx-community/Ming-3.0-tts-0.5B-bf16` содержит веса и лицензию MIT. Исходный репозиторий inclusionAI также помечен MIT, а код самой программы — MIT по собственному файлу LICENSE. Это разные лицензируемые компоненты, а не одна общая метка для всех моделей в каталоге. Русский язык в карточке Ming не заявлен; для простого примера используйте английский. [s3](#src-s3)[s4](#src-s4)[s8](#src-s8)

## Что делать пользователю Mac?

Если у вас Mac с Apple Silicon и уже настроен Python версии не ниже 3.10, вместо старой инструкции с установкой из GitHub используйте официальный стабильный пакет: `python3 -m pip install 'mlx-audio==0.6.1'`. Затем в руководстве версии 0.6.1 есть команда `mlx_audio.tts.generate --model mlx-community/Ming-3.0-tts-0.5B-bf16 --text "The evening wind is quiet." --output_path ./ --file_prefix ming3`. Файлы модели загрузятся отдельно при первом использовании; проверьте созданный звуковой файл и прослушайте, произнесены ли именно слова из примера. Эти команды сверены по документации и метаданным пакета, но не выполнялись редакцией на Mac: не считайте результат воспроизведённым тестом Modelium. Минимум оперативной памяти для любого Mac мы не устанавливаем по размеру весов или авторскому тесту на M4 Pro. [s3](#src-s3)[s4](#src-s4)[s5](#src-s5)

Карточка MLX-конверсии ещё содержит старый совет ставить код из `main` до следующего релиза. Он относится к периоду до 0.6.1; стабильный выпуск и его руководство уже включают исправление. Если нужна проверка на своих данных, начните с короткой английской фразы, прежде чем переходить к голосовому клонированию. [s1](#src-s1)[s3](#src-s3)[s4](#src-s4)

## Какие ещё изменения вошли в выпуск?

При загрузке некоторых записей для превращения речи в текст сервер раньше мог отвечать ошибкой 500: допустимые входные M4A, AAC, CAF или MP4 сохранялись во временный файл с тем же расширением, хотя программа не умела записывать его в таком формате. Исправление использует временный WAV. Оно важно тем, кто уже запускает серверную функцию распознавания; обычному читателю не нужно поднимать сервер ради этой новости. Разработчик добавил регрессионный тест, но это не проверка редакции на каждом телефоне. [s1](#src-s1)[s6](#src-s6)

Также исправлен сбой параметра `speaker_kv_scale` в Irodori-TTS при определённых настройках голосового синтеза. Для большинства пользователей менять этот инженерный параметр не требуется. В список поддерживаемых моделей добавлен Gradium Phonon; [сам Phonon 0.4.0 и условия его весов](https://modelium.tech/zhurnal/phonon-0-4-0-local-tts-31m/) разобраны отдельно. Включение в программу не меняет лицензии отдельной модели. [s1](#src-s1)[s7](#src-s7)[s9](#src-s9)

**Ограничения.** Автор PR проверил речевые примеры Ming, но это авторские проверки, не независимый тест Modelium. В его отчёте отмечены отсутствие части обработки чисел и редкий лишний шум в конце записи; обязательно прослушивайте результат перед использованием. Обновление программы не делает облачные функции локальными и не гарантирует качество на любом Mac. [s2](#src-s2)[s3](#src-s3)

## Источники

1. [Blaizzy — mlx-audio v0.6.1 release](https://github.com/Blaizzy/mlx-audio/releases/tag/v0.6.1) — получено 2026-10-20
2. [Blaizzy — PR #1047 Ming dense prompt contract](https://github.com/Blaizzy/mlx-audio/pull/1047) — получено 2026-10-20
3. [mlx-audio v0.6.1 — Ming Dense README](https://github.com/Blaizzy/mlx-audio/blob/v0.6.1/mlx_audio/tts/models/dense/README.md) — получено 2026-10-20
4. [MLX Community — Ming-3.0 TTS bf16, pinned weights and MIT LICENSE](https://huggingface.co/mlx-community/Ming-3.0-tts-0.5B-bf16/tree/affb903e61b8199381cf66d3955fbcbd79ce7f2b) — получено 2026-10-20
5. [PyPI — mlx-audio 0.6.1](https://pypi.org/project/mlx-audio/0.6.1/) — получено 2026-10-20
6. [Blaizzy — PR #1042 writable WAV for STT uploads](https://github.com/Blaizzy/mlx-audio/pull/1042) — получено 2026-10-20
7. [Blaizzy — PR #1044 Irodori speaker cache fix](https://github.com/Blaizzy/mlx-audio/pull/1044) — получено 2026-10-20
8. [inclusionAI — Ming-3.0 TTS upstream model and code](https://huggingface.co/inclusionAI/Ming-3.0-tts-0.5B/tree/e5bd8da31ecf1b9276cdbdda821fa891068f1368) — получено 2026-10-20
9. [Blaizzy — PR #1049 Phonon integration](https://github.com/Blaizzy/mlx-audio/pull/1049) — получено 2026-10-20