# MLX-Audio

> Речь, транскрипция и музыка на компьютере с чипом Apple

Библиотека для синтеза и распознавания речи, обработки аудио и генерации музыки на Mac с Apple Silicon.

- Что делает: обрабатывает аудио и генерирует речь
- Категории: Opensource, Инструменты разработчика, Обработка звука
- Бизнес-модель: Бесплатно
- Модели: OmniVoice, Kokoro, Qwen3-ASR, Qwen3-ForcedAligner, VibeVoice-ASR, Voxtral Realtime, MedASR, SAM-Audio, MossFormer2, MiniMax Music 3
- Сайт сервиса: https://github.com/Blaizzy/mlx-audio
- Карточка в каталоге: https://ailibri.com/mlx-audio
- Обновлено: 2026-10-13

## Описание

MLX-Audio — библиотека для обработки аудио на Mac с Apple Silicon: она поддерживает синтез и распознавание речи, преобразование речи в речь и генерацию музыки. Она рассчитана на разработчиков, которые создают аудиофункции для приложений и инструментов, и доступна через Python, командную строку и веб-интерфейс.
Работа строится вокруг загружаемых моделей: выбранная модель определяет доступные языки и функции. Для синтеза можно подобрать готовый голос или клонировать его по аудиообразцу, если модель это поддерживает. В режиме TTS доступны потоковая генерация и немедленное воспроизведение; несколько сегментов по умолчанию сохраняются отдельными WAV-файлами, но их можно объединить.

- Синтезирует речь из текста.

- Транскрибирует аудио, в том числе потоком при выборе подходящей модели.

- Помогает получить метки времени и разделение по говорящим при выборе подходящей модели.

- Поможет подавить шум в записи речи при использовании MossFormer2.

- Генерирует песни с текстом и стереозвуком при использовании MiniMax Music 3.

Для распознавания можно выбрать модель под задачу: одни поддерживают потоковую выдачу текста, другие — выравнивание записи с готовым текстом по словам, перевод речи или анализ аудио. Например, VibeVoice-ASR выдаёт сегменты с текстом, временем и идентификаторами говорящих для записей длительностью до 60 минут. Если нужно отделить конкретный звук от остальной записи, при использовании SAM-Audio его можно задать текстовым описанием; длинное аудио обрабатывается по фрагментам.
Попробовать библиотеку можно после установки через pip: модели вызываются из Python, а для TTS и STT есть примеры командной строки. Веб-интерфейс и API-сервер запускаются отдельно; API поддерживает синтез речи и транскрибацию, а интерфейс синтеза совместим с OpenAI. Для приложений iOS и macOS предусмотрен пакет Swift. Исходный код бесплатен и опубликован под лицензией MIT, но для работы нужны Python 3.10 или новее, Mac с Apple Silicon и MLX.

## Похожие сервисы в каталоге

- [TADA](https://ailibri.com/tada): Открытая модель TADA для синтеза речи от Hume AI. Синхронизирует текст и аудио 1:1, обеспечивая быструю генерацию без галлюцинаций и пропусков контента.
- [Audio-Omni](https://ailibri.com/audio-omni): Audio-Omni - первая end-to-end система для понимания, генерации и редактирования аудио. Объединяет работу со звуком, музыкой и речью через мультимодальную языко
- [pyannote.audio](https://ailibri.com/pyannote-audio): Библиотека для диаризации речи: определяет, кто и когда говорит, находит речевые фрагменты и позволяет дообучать модели на своих данных.
- [DeepSeek](https://ailibri.com/deepseek): DeepSeek — китайская платформа для общения с AI-моделями. Бесплатный чат, мобильное приложение и недорогой API. Модель DeepSeek-V4.1 Flash с режимом рассуждений, пониманием картинок и поиском.
- [Fish Audio](https://ailibri.com/fish-audio): ИИ-сервис для преобразования текста в речь и клонирования голоса. Более 2 млн голосов, управление эмоциями, 30+ языков. Попробуйте бесплатно!
- [Superagent](https://ailibri.com/superagent): AI-сервис Superagent автоматически находит, исправляет и раскрывает уязвимости в коде и агентах с доставкой исправлений через PR. Бесплатно для open source.

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com