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

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 s2 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 s5 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 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 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 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 s6 s7 s8

Если нужен уже описанный путь через исходный движок Fermion, откройте основной разбор Phonon-2. Для альтернативной CPU-конверсии есть материал об ONNX-вариантах. Новую ветку mlx-audio стоит использовать только с пониманием, что это пока код разработки, а не проверенный нами рецепт для домашнего пользователя.