Kit de ferramentas Python local e offline que reúne transcrição e síntese de fala, clonagem e conversão de voz, geração de música e limpeza de áudio em uma CLI e GUI.
52592PythonAGPL-3.0Atualizado há 21 dias
Blaizzy/mlx-audio
Biblioteca Python para modelos de conversão de texto em fala, fala em texto e fala em fala, executados nativamente em Apple Silicon com o framework MLX.
Alternativa open source a:ElevenLabs
Otter.ai
- Estrelas
- 8,090
- Forks
- 765
- Issues abertas
- 96
- Último commit
- há 2 horas
O que é?
MLX-Audio é uma biblioteca Python para executar modelos de áudio em Macs com Apple Silicon usando o framework MLX da Apple. Ela oferece suporte a conversão de texto em fala (TTS), fala em texto (STT), fala em fala (STS) e geração de música, além de carregar vários modelos convertidos pela comunidade no Hugging Face por meio de uma única ferramenta de linha de comando e de uma API Python.
A biblioteca inclui uma CLI (mlx_audio.tts.generate) para síntese rápida, com opções de streaming, reprodução, seleção de voz e união de vários segmentos. Os modelos oferecem uma interface Python para geração e clonagem de voz e, em alguns casos, timestamps no nível das palavras ou diarização de locutores. Um script de conversão permite quantizar para formatos de 3 a 8 bits e converter para bfloat16.
Também inclui um servidor REST compatível com OpenAI, com os endpoints /v1/audio/speech e /v1/audio/transcriptions, além de uma interface web. Para salvar em MP3, FLAC, OGG ou Opus, é necessário ter o ffmpeg; WAV funciona sem ele. Um pacote Swift separado oferece suporte a iOS e macOS.
Recursos principais
- 01Modelos de conversão de texto em fala, fala em texto, fala em fala e geração de música com MLX
- 02Ferramenta de linha de comando e API Python para carregar modelos do Hugging Face
- 03Clonagem e seleção de voz para os modelos TTS compatíveis
- 04Saída de áudio em streaming e alinhamento no nível das palavras em alguns modelos
- 05Servidor REST compatível com OpenAI para endpoints de fala e transcrição
- 06Scripts de quantização e conversão de dtype (de 3 a 8 bits, bfloat16 e formatos MXFP)
Casos de uso
- Gerar fala localmente em um Mac, sem enviar texto para uma API na nuvem
- Transcrever reuniões ou ditados em Apple Silicon com identificação dos locutores
- Executar um endpoint local de fala no estilo OpenAI para um app em desenvolvimento
- Remover ruído de fundo ou separar locutores em gravações
Início rápido
- 1
Instale o pacote com pip
pip install mlx-audio - 2
Gere fala pela linha de comando
mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian
Antes de usar
- É executado nativamente apenas em Macs com Apple Silicon, pois é baseado no framework MLX.
- É distribuído sob a licença MIT, portanto não há obrigações de copyleft.
Em coleções
Tópicos
Perguntas frequentes
- O que é mlx-audio?
- Biblioteca Python para modelos de conversão de texto em fala, fala em texto e fala em fala, executados nativamente em Apple Silicon com o framework MLX. MLX-Audio é uma biblioteca Python para executar modelos de áudio em Macs com Apple Silicon usando o framework MLX da Apple. Ela oferece suporte a conversão de texto em fala (TTS), fala em texto (STT), fala em fala (STS) e geração de música, além de carregar vários modelos convertidos pela comunidade no Hugging Face por meio de uma única ferramenta de linha de comando e de uma API Python.
- mlx-audio é gratuito? Qual é a licença?
- mlx-audio é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- mlx-audio ainda é mantido?
- Manutenção ativa. O último commit de mlx-audio foi em 22 de out. de 2026.
- Para que posso usar mlx-audio?
- Gerar fala localmente em um Mac, sem enviar texto para uma API na nuvem Transcrever reuniões ou ditados em Apple Silicon com identificação dos locutores Executar um endpoint local de fala no estilo OpenAI para um app em desenvolvimento Remover ruído de fundo ou separar locutores em gravações
- Como instalar mlx-audio?
- Instale o pacote com pip: pip install mlx-audio Gere fala pela linha de comando: mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian
- Onde consigo mlx-audio?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Blaizzy/mlx-audio
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
O VoxCPM2 é um modelo open source de texto para fala, sem tokenizer, que oferece suporte a 30 idiomas, criação de vozes a partir de descrições textuais e clonagem de voz com clipes de referência curtos.
39,9 mil4,5 milPythonApache-2.0Atualizado há 15 dias
Sistema open source de text-to-speech com clonagem de voz, controle de emoção em linguagem natural e geração com vários falantes, baseado em modelos no estilo LLM.
33,4 mil2,9 milPythonOtherAtualizado há 8 dias
Família de modelos open source de text-to-speech da Resemble AI, com clonagem de voz a partir de um trecho curto de referência em inglês e vários outros idiomas.
27,1 mil3,7 milPythonMITAtualizado há 3 meses
Biblioteca open source de text-to-speech cujo modelo KittenTTS 2 clona vozes com 5 segundos de áudio e funciona em tempo real na CPU.
16,3 mil975PythonApache-2.0Atualizado há 17 horas
Modelo open source de text-to-speech zero-shot com suporte a mais de 600 idiomas, clonagem de voz e criação de vozes.
15,6 mil2,3 milPythonApache-2.0Atualizado há 3 dias