SteerTTS Mamba-3: локальная английская озвучка с управлением интонацией

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. s1s2

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. s1s4

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. s1s3s5

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. s1s3

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. s1s4

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. s1s2s6

Следующий шаг: откройте карточку SteerTTS на Hugging Face 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 — это иная модель с собственными ограничениями. s1