Maya 2 Native: локальная озвучка на 12 языках — но не на русском

Что теперь доступно для локальной работы

Опубликованы два файла весов модели (то есть данных, по которым программа строит речь), индекс этих файлов и исходный код программы запуска. Из 12 языков один — английский, остальные 11 — ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, ория, пенджаби, тамильский и телугу. В комплекте заявлены 20 встроенных голосов и возможность создать голос по короткому образцу с разрешения говорящего; похожесть такого голоса не гарантирована. Система умеет отдавать звук по мере генерации, не дожидаясь готовности всей фразы. s1 s2

Для пользователя смысл локального размещения в том, что после первоначального скачивания модели, звукового кодека Mimi и компонента определения голоса ECAPA создание речи может идти на своей машине. Сама установка и первая загрузка требуют сети; локальность всего процесса не следует из одного лишь скачанного файла весов. s1 s2

Кому подойдёт, а кому нет

Это скорее вариант для разработчика голосового приложения, чем программа с кнопкой «Установить». Официальный путь описывает Linux, Python 3.10–3.12 и NVIDIA GPU с драйвером для CUDA 12.8. В карточке модели рекомендуют начать с одного одновременного запроса и видеокарты от 12 ГБ с запасом: авторская загрузка в такой конфигурации достигала примерно 9,2 ГБ видеопамяти без полного учёта контекста CUDA. Это условия документированного сценария, а не вычисленный нами минимум из размера файла. Простой путь для Windows, Mac или компьютера без подходящей видеокарты авторы не описали. s1 s2

Для проверки совместимости первым шагом откройте официальную карточку модели и сверьте список языков и раздел Quickstart со своей ОС и видеокартой. Если вам нужна именно русская речь или установка без Python и CUDA, искать следует другую модель; не стоит загружать этот комплект только из-за отметки «open weights». s1

Права и границы оценок

Репозиторий весов указан как Apache-2.0 и содержит текст лицензии; код в отдельном GitHub-репозитории также имеет Apache-2.0. Зависимые компоненты имеют свои условия: кодек Kyutai Mimi обозначен CC BY 4.0, модель SpeechBrain ECAPA — Apache-2.0. При перераспространении этих компонентов сохраняйте их уведомления и атрибуцию. Открытые веса, открытый код и разрешение пользоваться сторонними зависимостями — не одно и то же. s1 s3 s4

Авторы приводят автоматические измерения разборчивости на 6000 текстов и отдельно показывают позицию на внешнем рейтинге озвучки хинди. Это их данные и снимок рейтинга, а не самостоятельный тест Modelium; результаты для хинди нельзя переносить на русский язык или произвольный голос. На самой карточке оговорены сложности с короткими репликами, цифрами и смешением языков; отдельной количественной проверки копирования произвольного голоса там нет. s1

Техническая особенность именования: публичная модель называется Maya 2 Native, но пакет Python и пример импорта по-прежнему называются maya3 и Maya3TTS. Не заменяйте их в командах на придуманное maya2. Исходники в GitHub и документация описывают эти имена по-разному, поэтому при практическом запуске нужно придерживаться точных идентификаторов в актуальной карточке; инструкция выше не является подтверждением работающего запуска. s1 s2

Источники

• s1 Карточка и файлы Maya 2 Native, закреплённая ревизия 880744846e63; прочитано 29.10.2026.
• s2 Исходный код и CHANGELOG MayaResearch/maya2-native, commit c6b376868e26; прочитано 29.10.2026.
• s3 Лицензии весов и кода Maya Research на закреплённых ревизиях; прочитано 29.10.2026.
• s4 Лицензионные метки компонентов Kyutai Mimi и SpeechBrain ECAPA на Hugging Face; прочитано 29.10.2026.