项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 8218
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Apple Silicon 芯片的 Mac(M 系列芯片),MLX 针对苹果芯片优化
- Python 环境(使用 pip 安装)
- 可选:uv 工具(仅安装命令行工具时使用)
- 可选:ffmpeg(保存 MP3/FLAC/OGG/Opus/Vorbis 格式时需要)
安装与启动步骤
-
1确认硬件环境
mlx-audio 基于 Apple 的 MLX 框架,只能在 Apple Silicon(M 系列芯片)设备上运行,请先确认你的 Mac 属于该范围。
-
2用 pip 安装
标准安装方式,会把 mlx-audio 作为 Python 库装入当前环境,适合在 Python 项目中调用。
pip install mlx-audio -
3用 uv 装命令行
uv tool 方式只安装命令行工具,且不加 --prerelease=allow 会装不到预发布版本。
uv tool install --force mlx-audio --prerelease=allow -
4uv 装 GitHub 最新代码
想体验仓库最新功能而非 PyPI 发布版时,用 git+ 地址直接从 GitHub 安装。
uv tool install --force git+https://github.com/Blaizzy/mlx-audio.git --prerelease=allow -
5安装 ffmpeg
README 明确说明保存 MP3、FLAC、OGG、Opus、Vorbis 格式必须依赖 ffmpeg,仅存 WAV 可跳过;具体命令原文未给出,请按各自系统方式安装。
如何确认成功
执行 pip show mlx-audio 能看到包名与版本号,或 uv tool list 中列出 mlx-audio,即表示安装成功。
常见问题
Q:支持 Windows 或 Linux 吗?
A:不支持。项目基于 Apple 的 MLX 框架,专为 Apple Silicon(M 系列芯片)优化,非苹果芯片平台无法运行。
Q:无法导出 MP3、FLAC 等格式怎么办?
A:这些压缩格式依赖 ffmpeg 编码,请先安装 ffmpeg;不装的话只能保存 WAV 等未压缩格式。
Q:pip 和 uv 两种安装方式怎么选?
A:pip 安装的是完整 Python 库,便于在代码中调用;uv tool 只安装命令行工具,--prerelease=allow 用于允许安装预发布版本。
Q:怎么用仓库最新代码而不是 PyPI 版本?
A:使用带 git+ 前缀的安装命令:uv tool install --force git+https://github.com/Blaizzy/mlx-audio.git --prerelease=allow。
注意事项
- 项目面向 Apple Silicon 设备,Intel Mac 与其他平台不在支持范围内。
- 建议在 Python 虚拟环境或虚拟工具环境中安装,避免污染系统环境。
- 安装完成后可参考 README 的 Quick Start、Supported Models 与 Model Examples 章节了解文本转语音、语音转文本等用法。
- 项目提供交互式 Web 界面与 OpenAI 兼容的 REST API 服务,还支持 3/4/6/8-bit 量化以降低内存占用,具体用法见 README 对应章节。
核心亮点
- 基于Apple MLX框架深度优化,充分利用Apple Silicon统一内存与神经网络加速器,推理效率显著优于通用PyTorch方案
- 一站式覆盖TTS、STT、STS三大语音任务,API设计统一,降低多模型集成成本
- 支持多种主流语音模型(如Whisper、SpeechT5等)的MLX移植版本,模型加载与转换流程简化
不足之处
- 仅支持Apple Silicon芯片,无法在NVIDIA GPU或普通x86服务器上运行,生态封闭
- 项目处于快速迭代期,API稳定性与文档完善度可能随版本变动,需关注版本迁移成本
- 文档/社区待观察
适用场景
- 在Mac上本地运行高隐私要求的语音转写与会议纪要生成
- 为macOS/iOS应用集成离线语音助手或实时字幕功能
- 快速原型验证语音多模态模型在Apple设备上的性能表现
替代项目
whisper.cpp、Coqui TTS、SpeechBrain
同类项目推荐
TurkicTTS
开源
让十种突厥小语种也能拥有流畅语音合成
A multilingual text-to-speech synthesis system for ten lower-resourced Turkic langua···
MorshuTalk
开源
输入文字,用 Morshu 腔调念出来
Morshu text-to-speech
ComfyUI-EdgeTTS
开源
在 ComfyUI 里一键把文字变成自然语音,轻松加配音。
ComfyUI-EdgeTTS is a powerful text-to-speech node for ComfyUI, leveraging Microsoft'···
vox-box
开源
一键部署 OpenAI 兼容语音服务,自由切换 TTS/STT 引擎
A text-to-speech and speech-to-text server compatible with the OpenAI API, supportin···
zhtts
开源
CPU 上实时合成中文语音,无需显卡也能跑
A demo of zh/Chinese Text to Speech system run on CPU in real time. 中文实时语音合成···
Orpheus-TTS
开源
让AI说话像真人,实时合成高表现力语音
Towards Human-Sounding Speech
Thorsten-Voice
开源
免费离线德语TTS,告别许可烦恼,即拿即用
Thorsten-Voice: A free to use, offline working, high quality german TTS voice should···
open-musiclm
开源
输入文字描述,自动生成对应风格的音乐片段
Implementation of MusicLM, a text to music model published by Google Research, with ···
GenerSpeech
开源
用任意声音合成语音,零样本风格迁移
PyTorch Implementation of GenerSpeech (NeurIPS'22): a text-to-speech model towards z···
