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

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 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 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

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 s2

Начать следует с официальной инструкции проекта 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 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 s2 s3 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 s6