# Phonon-2 в mlx-audio: запись на Mac можно расшифровать без отдельного движка Fermion

Источник: https://modelium.tech/zhurnal/phonon-2-mlx-audio-mac-direct-transcription/

Разработчики mlx-audio приняли поддержку Phonon-2: программа для моделей на Mac теперь может напрямую загрузить новый MLX-чекпойнт и превратить английскую аудиозапись в текст. Изменение уже в ветке main, но ещё не вошло в стабильный релиз; обычное обновление пакета пока не гарантирует эту возможность.

16 октября 2026 года в основную ветку **mlx-audio** приняли поддержку **Phonon-2**. Для владельца Mac с Apple Silicon это новый способ получить текст из английской аудиозаписи: программа может напрямую загрузить подготовленные для неё веса модели с Hugging Face, без отдельной программы Fermion или ручного преобразования весов. Но в последнем стабильном выпуске mlx-audio этой функции ещё нет. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что стало доступно сейчас?

Опубликован отдельный пакет `mlx-community/Phonon-2` с файлом весов, конфигурацией и указанием лицензии. Веса — это данные модели; код их запуска находится в mlx-audio. Принятый запрос на изменение №1030 добавляет загрузчик Phonon-2, документацию и тесты в основную ветку программы. Это **не новая базовая модель**: новая возможность — использовать Phonon-2 напрямую в mlx-audio на Mac. [s1](#src-s1) [s2](#src-s2) [s4](#src-s4)

Согласно документации разработчиков, путь для тех, кто уже работает с Python и версией mlx-audio из ветки main: загрузить `mlx-community/Phonon-2` через `mlx_audio.stt.load`, передать аудиофайл в `generate` и прочитать поле `result.text`. Файл при необходимости автоматически приводится к нужной частоте. Это описание по документации; **Modelium не воспроизводил запуск модели** и не обещает, что обычная установка текущей стабильной версии даст тот же результат. Если вам нужен простой путь без установки версии из исходного кода, дождитесь стабильного релиза с этой поддержкой. [s1](#src-s1) [s5](#src-s5) [s3](#src-s3)

## Как понять, подходит ли этот вариант?

Простой пример задачи — получить черновик текста из англоязычной записи интервью `interview.wav`, а затем прослушать имена и числа и поправить ошибки распознавания вручную. Модель рассчитана на английскую речь. Обработка записи по частям доступна, но это не распознавание живого микрофона в реальном времени; перевод, определение разных говорящих и подсказки слов не заявлены. Русскую речь и качество на своих файлах нужно проверять отдельно: эта публикация не обещает поддержку русского. [s2](#src-s2) [s5](#src-s5)

Автор запроса на изменение сообщает о 59 профильных тестах и сравнении на шести аудиофрагментах (178 секунд) с исходным движком при MLX 0.32.4. Это **результат разработчика**, а не независимое измерение Modelium и не гарантия точности для ваших записей. Минимальная оперативная память в этих источниках не указана; размер файла весов нельзя считать требованием к памяти. [s1](#src-s1) [s4](#src-s4)

## Какие есть ограничения и что делать дальше?

На момент проверки, 16 октября, последний стабильный выпуск mlx-audio — **v0.5.9 от 13 октября**; поддержка Phonon-2 принята в main позднее, 16 октября. Поэтому не смешивайте инструкцию для ветки разработки с готовым стабильным способом установки. [s1](#src-s1) [s3](#src-s3)

Веса опубликованы под **CC BY 4.0**, с требованием указания авторов; в уведомлении названы Fermion Research и NVIDIA. Код самого mlx-audio имеет лицензию MIT, а заимствованная часть интеграции атрибутирована Apache 2.0. Открытые веса и код — не одно и то же; проверяйте условия обоих компонентов для своего применения. [s2](#src-s2) [s6](#src-s6) [s7](#src-s7) [s8](#src-s8)

Если нужен уже описанный путь через исходный движок Fermion, откройте [основной разбор Phonon-2](/zhurnal/phonon-2-164mb-local-asr-mlx-cpu/). Для альтернативной CPU-конверсии есть [материал об ONNX-вариантах](/zhurnal/phonon-2-onnx-cpu-exact4x2-int8/). Новую ветку mlx-audio стоит использовать только с пониманием, что это пока код разработки, а не проверенный нами рецепт для домашнего пользователя.

## Источники

1. [mlx-audio PR #1030: Add Phonon-2 speech recognition support](https://github.com/Blaizzy/mlx-audio/pull/1030) — получено 2026-10-16
2. [mlx-community/Phonon-2, README at pinned revision](https://huggingface.co/mlx-community/Phonon-2/blob/1f228c19b37231d6ef8d839f8648bd4172bb097c/README.md) — получено 2026-10-16
3. [mlx-audio latest stable release v0.5.9](https://github.com/Blaizzy/mlx-audio/releases/tag/v0.5.9) — получено 2026-10-16
4. [Phonon-2 checkpoint inventory at pinned revision](https://huggingface.co/api/models/mlx-community/Phonon-2/revision/1f228c19b37231d6ef8d839f8648bd4172bb097c) — получено 2026-10-16
5. [mlx-audio Phonon-2 documentation at merge commit](https://github.com/Blaizzy/mlx-audio/blob/206bcbfde6ac9797409f3f2bb30d17ef9c737152/docs/models/stt/phonon2.md) — получено 2026-10-16
6. [Phonon-2 MLX weights CC BY 4.0 license](https://huggingface.co/mlx-community/Phonon-2/blob/1f228c19b37231d6ef8d839f8648bd4172bb097c/LICENSE-WEIGHTS-CC-BY-4.0.txt) — получено 2026-10-16
7. [Phonon-2 MLX provenance NOTICE](https://huggingface.co/mlx-community/Phonon-2/blob/1f228c19b37231d6ef8d839f8648bd4172bb097c/NOTICE) — получено 2026-10-16
8. [mlx-audio MIT license at merge commit](https://github.com/Blaizzy/mlx-audio/blob/206bcbfde6ac9797409f3f2bb30d17ef9c737152/LICENSE) — получено 2026-10-16