Kit de herramientas de Python local y sin conexión que reúne transcripción, síntesis y clonación de voz, conversión de voz, generación musical y limpieza de audio en una CLI y una GUI.
52592PythonAGPL-3.0Actualizado hace 21 días
Blaizzy/mlx-audio
Biblioteca de Python para modelos de texto a voz, voz a texto y voz a voz que se ejecutan de forma nativa en Apple Silicon mediante el framework MLX.
Alternativa open source a:ElevenLabs
Otter.ai
- Estrellas
- 8,090
- Forks
- 765
- Issues abiertos
- 96
- Último commit
- hace 2 horas
¿Qué es?
MLX-Audio es una biblioteca de Python para ejecutar modelos de audio en Mac con Apple Silicon mediante el framework MLX de Apple. Incluye generación de texto a voz (TTS), voz a texto (STT), voz a voz (STS) y música, y carga muchos modelos convertidos por la comunidad desde Hugging Face mediante una única herramienta de línea de comandos y una API de Python.
La biblioteca incluye una CLI (mlx_audio.tts.generate) para generar audio rápidamente, con opciones de streaming, reproducción, selección de voz y unión de varios segmentos. Los modelos ofrecen una interfaz de Python para generar audio y clonar voces y, en algunos casos, obtener marcas de tiempo a nivel de palabra o diarización de hablantes. Un script de conversión permite cuantizar a formatos de 3 a 8 bits y convertir a bfloat16.
También incluye un servidor REST compatible con OpenAI, con los endpoints /v1/audio/speech y /v1/audio/transcriptions, además de una interfaz web. Para guardar archivos en MP3, FLAC, OGG u Opus se necesita ffmpeg; WAV funciona sin él. Un paquete Swift independiente es compatible con iOS y macOS.
Funciones clave
- 01Modelos de texto a voz, voz a texto, voz a voz y generación de música con MLX
- 02Herramienta de línea de comandos y API de Python para cargar modelos desde Hugging Face
- 03Clonación y selección de voces para los modelos TTS compatibles
- 04Salida de audio en streaming y alineación a nivel de palabra en algunos modelos
- 05Servidor REST compatible con OpenAI para endpoints de voz y transcripción
- 06Scripts de cuantización y conversión de dtype (de 3 a 8 bits, bfloat16 y formatos MXFP)
Casos de uso
- Generar voz localmente en un Mac sin enviar texto a una API en la nube
- Transcribir reuniones o dictados en Apple Silicon con etiquetas de hablante
- Ejecutar un endpoint de voz local al estilo de OpenAI para una aplicación en desarrollo
- Eliminar el ruido de fondo o separar hablantes de grabaciones
Inicio rápido
- 1
Instala el paquete con pip
pip install mlx-audio - 2
Genera voz desde la línea de comandos
mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian
Antes de usarlo
- Se ejecuta de forma nativa únicamente en Mac con Apple Silicon, ya que está basado en el framework MLX.
- Se publica bajo la licencia MIT, por lo que no se aplican obligaciones de copyleft.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es mlx-audio?
- Biblioteca de Python para modelos de texto a voz, voz a texto y voz a voz que se ejecutan de forma nativa en Apple Silicon mediante el framework MLX. MLX-Audio es una biblioteca de Python para ejecutar modelos de audio en Mac con Apple Silicon mediante el framework MLX de Apple. Incluye generación de texto a voz (TTS), voz a texto (STT), voz a voz (STS) y música, y carga muchos modelos convertidos por la comunidad desde Hugging Face mediante una única herramienta de línea de comandos y una API de Python.
- ¿mlx-audio es gratuito? ¿Qué licencia tiene?
- mlx-audio es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿mlx-audio sigue mantenido?
- Mantenimiento activo. El último commit de mlx-audio fue el 22 oct 2026.
- ¿Para qué puedo usar mlx-audio?
- Generar voz localmente en un Mac sin enviar texto a una API en la nube Transcribir reuniones o dictados en Apple Silicon con etiquetas de hablante Ejecutar un endpoint de voz local al estilo de OpenAI para una aplicación en desarrollo Eliminar el ruido de fondo o separar hablantes de grabaciones
- ¿Cómo se instala mlx-audio?
- Instala el paquete con pip: pip install mlx-audio Genera voz desde la línea de comandos: mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian
- ¿Dónde consigo mlx-audio?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Blaizzy/mlx-audio
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
VoxCPM2 es un modelo de texto a voz de código abierto y sin tokenizador que admite 30 idiomas, diseño de voz a partir de descripciones de texto y clonación de voz a partir de clips de referencia cortos.
39,9 mil4,5 milPythonApache-2.0Actualizado hace 15 días
Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
33,4 mil2,9 milPythonOtherActualizado hace 8 días
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,7 milPythonMITActualizado hace 3 meses
Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU.
16,3 mil975PythonApache-2.0Actualizado hace 17 horas
Modelo de texto a voz de código abierto, multilingüe a gran escala y zero-shot, compatible con más de 600 idiomas, clonación de voz y diseño de voces.
15,6 mil2,3 milPythonApache-2.0Actualizado hace 3 días