Blaizzy/mlx-audio

这是什么？

核心功能

• 01基于 MLX 的语音合成、语音识别、语音转语音与音乐生成模型
• 02命令行工具和 Python API，可直接加载 Hugging Face 上的模型
• 03支持的 TTS 模型可进行声音克隆和音色选择
• 04部分模型支持流式输出与词级对齐
• 05兼容 OpenAI 接口的 REST 服务器，提供语音合成与转写端点
• 06提供量化与精度转换脚本，支持 3 至 8 bit 及 bfloat16、MXFP 格式

适用场景

• 在 Mac 本地生成语音，无需将文本发送到云端 API
• 在 Apple Silicon 上转写会议或口述内容，并区分说话人
• 为开发中的应用搭建本地的 OpenAI 风格语音接口
• 对录音进行降噪或分离不同说话人

快速上手

1. 1

   使用 pip 安装软件包

   pip install mlx-audio
2. 2

   在命令行中生成语音

   mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian

使用前须知

• !由于基于 MLX 框架构建，仅能在 Apple Silicon Mac 上原生运行。
• !采用 MIT 许可证，无 copyleft 义务。

标签

常见问题

mlx-audio 是什么？

基于 Apple MLX 框架、在 Apple Silicon 上运行的语音合成、语音识别与语音转语音 Python 库。 MLX-Audio 是一个基于 Apple MLX 框架的 Python 音频库，用于在 Apple Silicon Mac 上运行各类音频模型。它覆盖文本转语音（TTS）、语音转文本（STT）、语音转语音（STS）以及音乐生成，并可通过统一的命令行工具和 Python API 加载 Hugging Face 上大量社区转换的模型。

mlx-audio 可以免费使用吗？用的什么许可证？

mlx-audio 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

mlx-audio 还在维护吗？

活跃维护中。mlx-audio 最近一次提交是在 2026年10月21日。

mlx-audio 适合用来做什么？

在 Mac 本地生成语音，无需将文本发送到云端 API 在 Apple Silicon 上转写会议或口述内容，并区分说话人 为开发中的应用搭建本地的 OpenAI 风格语音接口 对录音进行降噪或分离不同说话人

mlx-audio 怎么安装和运行？

使用 pip 安装软件包: pip install mlx-audio 在命令行中生成语音: mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian

在哪里获取 mlx-audio？

源代码和安装说明在 GitHub 上：https://github.com/Blaizzy/mlx-audio