# SteerTTS Mamba-3: локальная английская озвучка с управлением интонацией

Источник: https://modelium.tech/zhurnal/steertts-mamba3-local-expressive-english-voice/

9 октября Whissle выложила веса экспериментальной SteerTTS: она превращает английский текст в речь и позволяет выбрать голос и манеру произношения. Файлы модели и код доступны для локального запуска, но для работы нужны дополнительные компоненты. Веса разрешены только для некоммерческого использования, а качество именно выпущенной версии редакция не проверяла.

Допустим, вам нужно озвучить короткую английскую реплику для собственного ролика — один раз спокойно, другой раз шёпотом. SteerTTS даёт выбрать голос и манеру произношения, а затем сохранить звук в WAV-файл. Это локальная модель для преобразования текста в речь, но пока экспериментальная, не готовая программа с кнопкой «озвучить». [s1](#src-s1)[s3](#src-s3)

## Что появилось 9 октября

Whissle опубликовала на Hugging Face контрольную версию **SteerTTS Mamba-3 hybrid**. История репозитория фиксирует загрузку весов 9 октября 2026 года; в проверенной ревизии лежат основной файл модели, отдельный адаптер для управления манерой речи, конфигурация и программа для запуска. Это не новый выпуск готового приложения для Windows или Mac. [s1](#src-s1)[s2](#src-s2)

Модель работает с английским текстом. По описанию авторов, можно выбрать один из 287 голосов, задать метку вроде «шёпот» либо короткое описание подачи на английском, например *soft and sad*. Есть и тонкие настройки темпа и высоты голоса. Поддержки русского языка и клонирования незнакомого голоса для этой версии авторы не заявляют. [s1](#src-s1)[s4](#src-s4)

## Что потребуется для локального запуска

Веса доступны для скачивания, но один их файл сам по себе не создаёт звук. Авторский путь использует Python, PyTorch и прилагаемый `inference.py`; для превращения промежуточного представления в WAV программа отдельно загружает голосовой декодер Vocos. Для управления подачей обычной фразой нужен ещё компонент для понимания этой фразы. Значит, при первоначальной подготовке требуется сеть и дополнительные загрузки; говорить, что вся система уже работает без интернета, до полной установки и проверки нельзя. [s1](#src-s1)[s3](#src-s3)[s5](#src-s5)

Если вы хотите сначала понять формат результата, возьмите учебную фразу «Hello, this is a quiet reminder.» и сравните обычную подачу с меткой `whisper`: на выходе ожидается WAV, но произношение, слышимость и изменение интонации нужно прослушать самому. Это **пример проверки**, а не запись, созданная Modelium. Инструкция сверена по карточке и исходному коду; полноценный запуск на нашем оборудовании не выполнялся. Авторы не установили минимальные требования к оперативной или видеопамяти для домашнего компьютера; размер скачиваемых файлов их не заменяет. [s1](#src-s1)[s3](#src-s3)

## Когда не стоит выбирать эту версию

Это промежуточный исследовательский чекпойнт: авторы указывают шаг обучения 116 тысяч из намеченных 150 тысяч. Приведённые в карточке показатели качества относятся к более раннему шагу 58 тысяч, а не к опубликованным весам. Их нельзя переносить на эту версию или считать независимым тестом. Для русской озвучки и быстрого старта без Python эта новость не обещает готового решения. [s1](#src-s1)[s4](#src-s4)

Веса помечены **CC BY-NC 4.0**: некоммерческое использование с указанием авторства; за коммерческим разрешением авторы предлагают обращаться к Whissle. Отдельной лицензии на приложенный код в проверенном дереве нет — не следует автоматически переносить условия весов на код. Ссылка карточки на отдельный Python SDK во время проверки возвращала 404, поэтому надёжнее ориентироваться на файлы и документацию самой модели, но и этот путь пока не проверен запуском Modelium. [s1](#src-s1)[s2](#src-s2)[s6](#src-s6)

**Следующий шаг:** откройте [карточку SteerTTS на Hugging Face](https://huggingface.co/WhissleAI/steer-tts-m3hyb) и оцените, подходят ли вам английский язык, некоммерческая лицензия и установка через Python. Если нужен другой вариант компактной английской озвучки, есть [материал о Paradee 8M](/zhurnal/paradee-8m-onnx-local-cpu-english-tts/) — это иная модель с собственными ограничениями. [s1](#src-s1)

## Источники

1. [WhissleAI: карточка SteerTTS Mamba-3, ревизия 94988c43](https://huggingface.co/WhissleAI/steer-tts-m3hyb/blob/94988c43ac7ab176f8a0053979c7825967f37e66/README.md) — получено 2026-10-09
2. [Hugging Face: история и файлы SteerTTS](https://huggingface.co/api/models/WhissleAI/steer-tts-m3hyb/commits/main) — получено 2026-10-09
3. [WhissleAI: исходный код SteerTTSPipeline](https://huggingface.co/WhissleAI/steer-tts-m3hyb/blob/94988c43ac7ab176f8a0053979c7825967f37e66/steertts/pipeline.py) — получено 2026-10-09
4. [WhissleAI: конфигурация версии m3hyb-116k](https://huggingface.co/WhissleAI/steer-tts-m3hyb/blob/94988c43ac7ab176f8a0053979c7825967f37e66/config.json) — получено 2026-10-09
5. [WhissleAI: пример запуска inference.py](https://huggingface.co/WhissleAI/steer-tts-m3hyb/blob/94988c43ac7ab176f8a0053979c7825967f37e66/inference.py) — получено 2026-10-09
6. [Hugging Face: закреплённый состав файлов SteerTTS](https://huggingface.co/api/models/WhissleAI/steer-tts-m3hyb/tree/94988c43ac7ab176f8a0053979c7825967f37e66) — получено 2026-10-09