Mindket

OmniVoice MLX

新上架第 1 版 · 更新于

概览

通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本,适合想试用它或在 Apple 芯片 Mac 上运行它的人。

OmniVoice MLX 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python
  • pip 工具
  • requirements.txt 里列出的软件包
用在
  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Apple 芯片 Mac,MLX 在上面表现最好
  • Windows、macOS 或 Linux 上的 Python,用于你自己运行的副本
先运行
pip install -U huggingface_hub
hf download mlx-community/OmniVoice --repo-type space --local-dir OmniVoice
cd OmniVoice

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

OmniVoice MLX 是一个文字转语音演示,通过社区的 MLX 后端运行 OmniVoice 模型。它改编自官方的 OmniVoice Space,用来加载那个后端。默认模型是 4 位版本,选它是为了减轻内存压力。在 Hugging Face 上它运行在 Linux CPU 上,所以可能比较慢。

适合谁

想试用 OmniVoice 语音的人,以及打算在本地运行它的 Apple 芯片 Mac 用户。

行业谁在用怎么用例子
语音技术开发者通过 MLX 后端试用 OmniVoice试听 4 位模型的效果
内容创作需要配音的创作者把脚本变成语音听一段简短脚本被朗读出来
研究比较模型大小的人在列出的 MLX 模型版本之间切换比较 4 位和 8 位模型

如果你想要快速、可交互的语音,请改在 Apple 芯片 Mac 上运行这个模型,因为托管的演示可能比较慢。

用在哪里

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Apple 芯片 Mac,MLX 在上面表现最好
  • Windows、macOS 或 Linux 上的 Python,用于你自己运行的副本
使用场景谁用得到什么
听文字被读出来任何人由你输入的文字生成的语音
试用另一种模型大小开发者来自另一个 MLX 模型版本的输出
在本地运行Mac 用户在自己硬件上运行的同一个演示

如何设置

在线使用不需要安装任何东西。要在自己电脑上运行副本,需要先准备几样东西。

  • Python
  • pip 工具
  • requirements.txt 里列出的软件包
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到一个文件夹里。
  3. 进入该文件夹。
  4. 安装指定版本的 Gradio。
  5. 安装 requirements.txt 里的软件包。
  6. 启动 app.py。
pip install -U huggingface_hub
hf download mlx-community/OmniVoice --repo-type space --local-dir OmniVoice
cd OmniVoice
pip install gradio==6.14.0
pip install -r requirements.txt
python app.py

要加载其他 MLX 模型,请在启动应用之前,把 OMNIVOICE_MODEL 设置为另一个 MLX 仓库。

如何使用

打开这个 Space 的页面,或者在你自己的副本里启动 app.py,输入你想让它朗读的文字并运行。来源没有写明其他控件,所以请以页面上的标签为准。

python app.py

示例

你打开页面,输入一句简短的话并运行。等一会儿(在共享的 CPU 上可能要等很久),页面会返回这句话的语音。来源没有给出示例输出,所以这里不描述声音和质量。

新手与专家

MLX 是 Apple 的机器学习框架,在 Apple 芯片上效果最好。第一步,打开页面,输入一句简短的话,运行时请耐心等待。

这个 Space 列出了五个模型版本:默认版、4 位、8 位、bfloat16 和 fp32。4 位版本是默认的,用来减轻内存压力。在 Linux 上,演示使用 MLX 的 CPU 后端,所以可能会慢。对于日常使用,作者建议把模型装在 Apple 芯片 Mac 上。

  1. 在浏览器里打开页面
  2. 输入要朗读的文字
  3. MLX CPU 后端运行 4 位模型
  4. 返回语音

注意事项

  • Limits: 托管的演示使用 Linux CPU 后端,可能比较慢
  • License: Apache 2.0
  • Cost to run: 来源没有提到
  • Data it reaches: 你输入的文字,以及元数据里列出的 MLX 模型版本
  • Not for: 在托管页面上做快速的交互使用,因为作者建议为此使用本地的 Apple 芯片 Mac

README 和文件

README

OmniVoice MLX

通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本,适合想试用它或在 Apple 芯片 Mac 上运行它的人。

由 mlx-community 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:OmniVoice MLX 是一个文字转语音演示,通过社区的 MLX 后端运行 OmniVoice 模型。它改编自官方的 OmniVoice Space,用来加载那个后端。默认模型是 4 位版本,选它是为了减轻内存压力。在 Hugging Face 上它运行在 Linux CPU 上,所以可能比较慢。

适合谁:想试用 OmniVoice 语音的人,以及打算在本地运行它的 Apple 芯片 Mac 用户。

行业 | 谁在用 | 怎么用 | 例子
语音技术 | 开发者 | 通过 MLX 后端试用 OmniVoice | 试听 4 位模型的效果
内容创作 | 需要配音的创作者 | 把脚本变成语音 | 听一段简短脚本被朗读出来
研究 | 比较模型大小的人 | 在列出的 MLX 模型版本之间切换 | 比较 4 位和 8 位模型

如果你想要快速、可交互的语音,请改在 Apple 芯片 Mac 上运行这个模型,因为托管的演示可能比较慢。

用在哪里:

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Apple 芯片 Mac,MLX 在上面表现最好
  • Windows、macOS 或 Linux 上的 Python,用于你自己运行的副本
使用场景 | 谁用 | 得到什么
听文字被读出来 | 任何人 | 由你输入的文字生成的语音
试用另一种模型大小 | 开发者 | 来自另一个 MLX 模型版本的输出
在本地运行 | Mac 用户 | 在自己硬件上运行的同一个演示

如何设置:在线使用不需要安装任何东西。要在自己电脑上运行副本,需要先准备几样东西。

  • Python
  • pip 工具
  • requirements.txt 里列出的软件包
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到一个文件夹里。
  3. 进入该文件夹。
  4. 安装指定版本的 Gradio。
  5. 安装 requirements.txt 里的软件包。
  6. 启动 app.py。
pip install -U huggingface_hub
hf download mlx-community/OmniVoice --repo-type space --local-dir OmniVoice
cd OmniVoice
pip install gradio==6.14.0
pip install -r requirements.txt
python app.py

要加载其他 MLX 模型,请在启动应用之前,把 OMNIVOICE_MODEL 设置为另一个 MLX 仓库。

如何使用:打开这个 Space 的页面,或者在你自己的副本里启动 app.py,输入你想让它朗读的文字并运行。来源没有写明其他控件,所以请以页面上的标签为准。

python app.py

示例:你打开页面,输入一句简短的话并运行。等一会儿(在共享的 CPU 上可能要等很久),页面会返回这句话的语音。来源没有给出示例输出,所以这里不描述声音和质量。

新手与专家:MLX 是 Apple 的机器学习框架,在 Apple 芯片上效果最好。第一步,打开页面,输入一句简短的话,运行时请耐心等待。

这个 Space 列出了五个模型版本:默认版、4 位、8 位、bfloat16 和 fp32。4 位版本是默认的,用来减轻内存压力。在 Linux 上,演示使用 MLX 的 CPU 后端,所以可能会慢。对于日常使用,作者建议把模型装在 Apple 芯片 Mac 上。

在浏览器里打开页面
输入要朗读的文字
MLX CPU 后端运行 4 位模型
返回语音

注意事项:

  • Limits: 托管的演示使用 Linux CPU 后端,可能比较慢
  • License: Apache 2.0
  • Cost to run: 来源没有提到
  • Data it reaches: 你输入的文字,以及元数据里列出的 MLX 模型版本
  • Not for: 在托管页面上做快速的交互使用,因为作者建议为此使用本地的 Apple 芯片 Mac

Hugging Face 上的数据(2026年11月13日)

  • 点赞:6
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/mlx-community/OmniVoice
  • 文件:https://huggingface.co/spaces/mlx-community/OmniVoice/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
OmniVoice MLX 本页6gradioapache-2.0
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

效率类的相似商品

查看效率类的全部商品

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k

upscaler

uwg · 工具包

收录来自 OpenModelDB 社区的一组图像放大模型,适合想在自己电脑上用 AI 放大低分辨率图片的人。

新上架