Maya-1

Maya-1

一个开放权重的文字转语音模型，你用日常的话描述声音，并加入内嵌的情绪提示。适合需要有表现力、可设计声音的开发者和创作者。

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-1 是 Maya Research 推出的开放权重文字转语音模型。你不用从固定的说话人列表里选，而是写一小段话描述声音和它该怎么听起来，再给出要朗读的文字。它还接受用于表达情绪的内嵌提示。模型生成离散的音频令牌，再解码成 24 kHz 的波形。

适合谁：适合想要设计出来的声音、而不是现成声音的开发者和创作者。模型卡说明它支持 20 多种情绪和说话风格。

Title: 谁会用它
Industry | Who uses it | How they use it | Example
游戏和动画 | 角色配音设计师 | 用文字描述角色的年龄、口音和情绪 | 给反派一个低沉沙哑、语速缓慢的声音
媒体 | 旁白和播客制作人 | 用选定的语气生成旁白 | 要一个声音温暖的沉稳男性旁白
软件 | 语音应用开发者 | 用描述出来的声音取代固定的说话人菜单 | 给朗读文字的应用配一个活动主持人的声音

如果你只想要一个普通的固定声音，可以跳过它。

用在哪里：Hugging Face 的记录列出了 transformers 库，所以 Python 是主要的使用场所。发布内容包括检查点、分词器和参考推理代码。

• Python 加 transformers 库
• Windows、macOS 或 Linux 加 Python，用来下载文件
• 需要 24 kHz 语音输出的应用

Title: 它能做的事
Use case | Who | What they get back
角色声音 | 游戏和动画团队 | 用文字描述构建的声音所说的话
旁白 | 制作人 | 语气沉稳或温暖的语音
有表现力的台词 | 应用开发者 | 内嵌了笑声、哭声等提示的语音

如何设置：你需要带 pip 的 Python，并为约 6.6 GB 的 BF16 权重留出空间。参考代码还用到 SNAC 解码器，把令牌变成音频。

• 带 pip 的 Python
• transformers 库
• 大约 6.6 GB 权重所需的磁盘和内存

1. 安装 Hugging Face 的下载工具。
2. 把模型文件下载到你的电脑。
3. 按模型卡里的参考推理代码操作。

pip install -U huggingface_hub
hf download maya-research/maya1

如何使用：写两样输入。第一样是声音描述，涵盖年龄、口音、音高、语速和语气等。第二样是要朗读的文字，在想要笑声或哭声的地方加上内嵌提示。模型返回语音音频。

Title: 输入和输出
Tool | What it does
Voice description | 设定声音及其表达方式的文字提示
Text | 要朗读的文字，可带内嵌的情绪提示
SNAC decoder | 把音频令牌还原成 24 kHz 波形

示例：你描述一位二十多岁后期、带中性美式口音、声音温暖低沉、语速平稳的沉稳男性旁白。再加一小段文字。你会得到这个声音以 24 kHz 说出的语音。

新手与专家：如果你是新手，可以把它想成用一句话请一位配音演员。写下说话人是谁、听起来怎样，加上一行要读的话，然后听结果。

如果你熟悉这个领域，它是 Llama 架构的纯解码器模型，有 3.3 billion 参数。它预测 SNAC 音频码，再由解码器变成单声道音频。相对于固定的说话人菜单，取舍在于声音的灵活性与更大的模型体量。

你写下声音描述和文字
模型预测 SNAC 音频令牌
SNAC 解码器还原波形
你得到 24 kHz 单声道语音

注意事项：权重是 BF16 格式。下面的 4 位数字是 Hugging Face 记录里的估算，不是你要下载的文件。

Title: 权重大小，约数
BF16: 6.6 GB
4-bit estimate: 1.7 GB

• License: apache-2.0，模型卡里另有组件说明
• Cost to run: 未提及
• Data it reaches: 来自 Hugging Face 的模型文件，以及你给它的文字和声音描述

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：transformers
• 参数量：3.3B
• Weights: about 6.6 GB in BF16; about 1.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：8,798
• 点赞：943
• 许可证：apache-2.0
• Quantized versions: 12
• Fine-tunes: 15
• 标签：transformers, safetensors, llama, text-generation, voice-design, expressive-speech, audio-generation, text-to-speech

链接

• 模型：https://huggingface.co/maya-research/maya1
• 文件：https://huggingface.co/maya-research/maya1/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/maya1

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。