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

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. s1s2s5

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. s3s4s8

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. s3s4s5

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. s1s3s4

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. s1s6

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 разобраны отдельно. Включение в программу не меняет лицензии отдельной модели. s1s7s9

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. s2s3