ما هو MLX-Audio؟
يحوّل MLX-Audio إطار MLX من Apple إلى صندوق أدوات للكلام. توفر حزمة واحدة أوامر ودوال Python تجلب نموذج كلام من Hugging Face وتشغّله على وحدة الرسوميات في Mac عبر Metal ثم تعيد صوتًا أو نصًا. يصفه ملف README بأنه "the best audio processing library built on Apple's MLX framework"، وهذا توصيف المشروع لنفسه وليس تصنيفًا مستقلًا.
- نوع المنتج: مكتبة Python لها نقاط دخول في سطر الأوامر مثل
mlx_audio.tts.generateوmlx_audio.server، وليست تطبيق سطح مكتب قابلًا للتنزيل - المسؤول عن الصيانة: مستخدم GitHub بلاتزي (Blaizzy) مع مساهمين من المجتمع؛ ولم يُعثر على شركة أو صفحة أسعار أو إصدار تجاري
- المستودع والتوثيق: github.com/Blaizzy/mlx-audio وblaizzy.github.io/mlx-audio
- مشروع ذو صلة: يوفر mlx-audio-swift تحويل النص إلى كلام على الجهاز لتطبيقات macOS وiOS
- استخدامه في مشاريع أخرى: بحسب مراجعة vllm-mlx، يعتمد vllm-mlx على mlx-audio في ميزاته الصوتية
ماذا يمكنك أن تفعل بـ MLX-Audio؟
يقسّم ملف README النماذج المدعومة إلى تحويل النص إلى كلام، والتعرف على الكلام، وكشف النشاط الصوتي، وتحويل الكلام، وتوليد الموسيقى. وهذا ما تفعله كل مجموعة بحسب جداول النماذج في المشروع.
- تحويل النص إلى كلام — نحو أربعٍ وعشرين عائلة نماذج، منها Kokoro وQwen3-TTS وChatterbox وVoxCPM2 وHiggs Audio وVoxtral TTS وOmniVoice
- استنساخ الصوت وتصميمه — تقبل عدة نماذج تسجيلًا مرجعيًا (مثل
--ref_audioمع CSM)، وبعضها ينشئ صوتًا من وصف نصي - التعرف على الكلام — Whisper وParakeet وQwen3-ASR ونماذج Nemotron المتدفقة من NVIDIA؛ ويضيف VibeVoice-ASR تسميات المتحدثين والطوابع الزمنية لتسجيلات تصل إلى 60 دقيقة
- كشف النشاط الصوتي والمتحدثين — Silero VAD ونماذج فصل المتحدثين Sortformer وNemotron
- تحويل الكلام — فصل المصادر (SAM-Audio) وإزالة الضوضاء (DeepFilterNet وMossFormer2) والمحادثة الصوتية ثنائية الاتجاه (NemotronLabs VoiceChat)
- توليد الموسيقى — MiniMax Music 3 لأغانٍ بكلمات بجودة ستريو 44.1 kHz
- البث وضبط السرعة — يشغّل
--streamالصوت أثناء توليده، وتقبل النماذج الداعمة معامل سرعة - التكميم — يقلّص
python -m mlx_audio.convertالنماذج إلى 3 أو 4 أو 6 أو 8 بت أو MXFP4 لتنزيلات أصغر واستهلاك أقل للذاكرة
أمثلة الاستخدام: ثلاث طرق لاستخدام MLX-Audio
تستخدم هذه السيناريوهات أوامر مأخوذة من ملف README الخاص بالمشروع.
توليد الكلام من سطر الأوامر
شغّل mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit --text 'Hello, world!' --voice Vivian --play لتوليد جملة وتشغيلها. أضف --output_path ./my_audio لحفظ الملفات، أو --join_audio لدمج عدة مقاطع في ملف واحد.
تفريغ تسجيل صوتي من Python
استدعِ generate_transcription(model="mlx-community/whisper-large-v3-turbo-asr-fp16", audio="audio.wav") من mlx_audio.stt.generate ثم اقرأ result.text. وتغيير اسم النموذج ينقلك إلى Parakeet أو Qwen3-ASR أو محرك آخر مدرج.
تشغيل خادم كلام محلي بأسلوب OpenAI
ابدأ mlx_audio.server --host 127.0.0.1 --port 8000 ثم أرسل الطلبات إلى /v1/audio/speech للتوليد أو /v1/audio/transcriptions للتفريغ. يربط مثال README العنوان 0.0.0.0 مما يعرّض الخادم لشبكتك كلها؛ أما 127.0.0.1 فيبقيه على جهاز Mac فقط.
تثبيت MLX-Audio
يُثبَّت MLX-Audio من سطر الأوامر؛ ولا يوجد ملف .dmg ولا مثبّت آخر. أسهل طريقة هي أمر pip واحد، لذا يلزم وجود طرفية وPython بإصدار 3.10 أو أحدث.
المصدر | الرابط |
|---|---|
| الموقع (التوثيق) | blaizzy.github.io/mlx-audio |
| التثبيت (pip) | pip install mlx-audio |
| التثبيت (uv، أدوات سطر الأوامر فقط) | uv tool install --force mlx-audio --prerelease=allow |
| مستودع GitHub (الشيفرة المصدرية، MIT) | github.com/Blaizzy/mlx-audio |
| حزمة PyPI | pypi.org/project/mlx-audio |
| حزمة Swift (macOS وiOS) | github.com/Blaizzy/mlx-audio-swift |
| سياسة الخصوصية | لم نعثر عليها في الموقع ولا في المستودع؛ والمكتبة نفسها تعمل محليًا |
يلزم جهاز Mac بشريحة Apple Silicon. وللواجهة الرسومية على الويب أو للتطوير، يستنسخ README المستودع وينفّذ `pip install -e ".[dev, server]"` ثم يشغّل الواجهة عبر npm.
MLX-Audio: الترخيص والسعر
MLX-Audio مجاني. لا يوجد حساب ولا مفتاح ترخيص ولا خطة مدفوعة ولا حد للاستخدام، ولا يذكر README ولا التوثيق إصدارًا تجاريًا.
- المكتبة مرخّصة بـ MIT التي تتيح الاستخدام التجاري والتعديل وإعادة التوزيع مع الإبقاء على إشعار الترخيص
- تُنزَّل نماذج الكلام بشكل منفصل ولكل منها رخصته الخاصة، وبعضها أكثر تقييدًا من MIT؛ فاقرأ بطاقة كل نموذج قبل استخدامه في منتج
- التكاليف الفعلية هي جهاز Mac بشريحة Apple Silicon ومساحة القرص للنماذج التي تنزّلها
- لم يُعثر على نسخة مستضافة أو مُدارة؛ ويعمل MLX-Audio فقط على أجهزة تتحكم بها
لمن يناسب MLX-Audio؟
يناسب MLX-Audio من يرتاحون لاستخدام الطرفية ويريدون نماذج كلام على Mac دون حساب سحابي.
استخدم MLX-Audio إذا كنت
- تملك جهاز Mac بشريحة Apple Silicon وتريد تحويل النص إلى كلام والتفريغ وأدوات الصوت في حزمة Python واحدة
- تريد تجربة نماذج كلام مفتوحة جديدة بسرعة، فـ README يدرج بالفعل عشرات العائلات
- لديك شيفرة مكتوبة لنقاط الكلام في OpenAI وتريد توجيهها إلى خادم محلي
- تطوّر تطبيقات لـ Mac أو iOS وتريد حزمة Swift المرافقة للكلام على الجهاز
ابحث عن بديل إذا كنت
- تستخدم Windows أو Linux أو جهاز Mac بمعالج Intel حيث لا يعمل MLX-Audio؛ جرّب faster-whisper أو Piper
- تفضّل تطبيق تفريغ جاهزًا بالنقر بدلًا من مكتبة؛ انظر MacWhisper
- تحتاج منتجًا مدعومًا من شركة بعقد دعم، وهو ما لا يقدمه هذا المشروع المستقل
المنافسون والبدائل
يقف MLX-Audio بين أدوات كلام محلية تختلف أساسًا في المنصة واختيار النماذج وكونها مكتبة أو تطبيقًا. وللأدوات الأربع التالية مراجعات خاصة في PromptQuorum.
الأداة | تُعرف بـ | الرابط |
|---|---|---|
| whisper.cpp | التعرف المحلي على الكلام بـ Whisper بلغة C/C++ على المعالج والرسوميات | مراجعة whisper.cpp |
| faster-whisper | تفريغ سريع بـ Whisper عبر CTranslate2 | مراجعة faster-whisper |
| Piper | تحويل نص إلى كلام خفيف متعدد اللغات يعمل على المعالج | مراجعة Piper |
| Coqui TTS | توليد كلام مفتوح المصدر بعدة معماريات نماذج | مراجعة Coqui TTS |
تعكس هذه القائمة أدوات تُقارن عادةً في مجال الكلام المحلي، وليست تصنيفًا من PromptQuorum. تحقق من الميزات الحالية لكل أداة قبل الاختيار.
الأسئلة الشائعة
ما اللغات التي يدعمها MLX-Audio؟
يعتمد ذلك على النموذج. يذكر README أن Kokoro يدعم ثماني لغات وChatterbox 23 لغة وVoxCPM2 30 لغة وOmniVoice أكثر من 646 لغة، وWhisper أكثر من 99 لغة للتفريغ.
هل أحتاج إلى ffmpeg؟
فقط للإخراج بصيغ MP3 وFLAC وOGG وOpus وVorbis. أما WAV فيعمل بدونه، ويضيف الأمر brew install ffmpeg بقية الصيغ.
هل يستطيع MLX-Audio استنساخ صوت؟
نعم، مع النماذج التي تقبل مقطعًا مرجعيًا. وقد يكون استنساخ صوت شخص حقيقي دون موافقته غير قانوني في أماكن كثيرة، فاحصل على إذنه وراجع رخصة النموذج.
هل يحتاج الخادم إلى مفتاح OpenAI API؟
لا ترسل طلبات المثال في README أي مفتاح. تحاكي نقاط النهاية شكل طلبات OpenAI لكن لا يُرسَل شيء إلى OpenAI.
هل يمكنني استخدامه داخل تطبيق iPhone؟
حزمة Python لا. أما حزمة mlx-audio-swift المنفصلة فتوفر تحويل النص إلى كلام على الجهاز لـ macOS وiOS.