Maya 2 Native

Maya 2 Native

用 24 kHz 音频朗读 11 种印度语言和英语的文字，边生成边流式输出，带 20 个内置声音和跨语言声音克隆。这是一个可以自己托管的开放 2.5B 文字转语音模型。

由 maya-research 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Maya 2 Native 是 maya-research 推出的开放权重文字转语音模型，支持 11 种印度语言和英语。它生成 24 kHz 的语音，并在生成的同时流式输出音频。它有 20 个内置声音，支持零样本声音克隆，还能用取自另一种语言的声音来说某一种语言。

适合谁：构建印度语言的语音智能体、电话菜单、无障碍工具和旁白，并想要一个可以自己托管的模型的开发者。

Industry | Who uses it | How they use it | Example
客户服务 | 语音智能体构建者 | 用印地语、泰米尔语或泰卢固语说出回复 | 一个用语音回答的客服智能体
电信与银行 | IVR 开发者 | 把菜单和通知读出来 | 一个孟加拉语的电话菜单
无障碍 | 工具制作者 | 为喜欢听的人朗读文字 | 一个朗读马拉地语页面的阅读器
媒体 | 旁白者和出版方 | 用多种语言为内容配音 | 一段短片的印地语旁白

如果你需要一个无需设置的托管服务，可以跳过它，因为模型要你自己运行。

用在哪里：

• Python，通过推理引擎的 Python API
• 引擎提供的 OpenAI 兼容语音接口
• 用于实时语音应用的 WebSocket 流式输出

Use case | Who | What they get back
语音智能体 | 开发者 | 24 kHz 音频的流式语音
旁白 | 创作者 | 20 个内置声音之一的语音
跨语言语音 | 产品团队 | 一个声音说出不属于它自己的语言

如何设置：

• Python 和 pip
• BF16 约需 5 GB 磁盘空间，4-bit 约 1.3 GB（估算值）
• 卡片的推理引擎，里面有 Python API 和语音接口

1. 安装 Hugging Face hub 工具。
2. 下载模型文件。
3. 按模型卡片设置推理引擎，再调用 Python API 或接口。

pip install -U huggingface_hub
hf download maya-research/maya2-native

如何使用：通过 Python API、语音接口或 WebSocket 流式输出发送文字，并从 20 个内置声音里选一个。引擎在朗读前还会规范化数字、日期、货币和类似的书写形式。卡片在这里可见的部分没有给出运行命令，所以请按它的快速开始操作。

示例：你发送一句带日期和价格的印地语短句。引擎把日期和价格用文字读出来，模型用你选的内置声音流式返回 24 kHz 的语音。

新手与专家：如果你是新手，先听听卡片里的语音样本，再试一个内置声音。只克隆属于你自己或你有权使用的声音。

这个模型有 2.5B 参数，基于 Qwen3-1.7B-Base。它以 80 毫秒一帧的方式流式输出单声道音频。软件包、Python 类和配置文件沿用较早的名称 maya3、Maya3TTS 和 maya3_config.json。引擎加入了连续批处理，用来同时服务多个请求。

你把文字发给引擎
它规范化数字、日期和货币
模型用你选的声音生成语音
音频以 80 毫秒一帧流式返回

注意事项：

• 基准测试：在 VoiceArena 的印地语实时视图里，卡片把它排在第二，而在它的全部模型印地语视图里排名更低
• 声音克隆：只使用你有权使用的声音

Title: VoiceArena 印地语实时榜的 Elo，来自卡片的表格
Sonic-3.6: 1094
Maya-2-Native: 1047
Sonic-3.5: 1035
Lightning 3.1 Pro: 1024
Falcon 2: 1021
Sonic-3: 961
Bulbul-V3: 957
Grok TTS: 890

• License: Apache-2.0，涵盖权重和推理代码
• Cost to run: 自托管没有提到 API 密钥或付费服务，只需要你自己的硬件
• Data it reaches: 下载会取回模型文件，引擎会读取你发送的文字和你为克隆提供的任何声音样本
• Not for: 在没有使用权的情况下克隆声音

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 参数量：2.5B
• Weights: about 5 GB in BF16; about 1.3 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：5,774
• 点赞：170
• 许可证：apache-2.0
• 语言：as, bn, en, gu, hi, kn, ml, mr
• 基于：Qwen/Qwen3-1.7B-Base
• Quantized versions: 3
• Fine-tunes: 21
• 标签：safetensors, maya3, text-to-speech, indic, multilingual, voice-cloning, streaming, streaming-tts, multilingual-tts, indian-languages, voice-agents, speech-synthesis

链接

• 模型：https://huggingface.co/maya-research/maya2-native
• 文件：https://huggingface.co/maya-research/maya2-native/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download maya-research/maya2-native

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。