🔈 Echo-TTS MLX для преобразования текста в речь

Echo-TTS MLX — 2,4B технология преобразования текста в речь с клонированием голоса, адаптированная для Apple Silicon

Портировали Echo-TTS с CUDA для нативной работы на процессорах Apple M-Series Silicon.

Echo-TTS — это технология DiT размером 2,4B, которая преобразует текст в речь с помощью клонирования голоса. Если дать ей текст и короткий аудиофайл с чьим-то голосом, она сгенерирует речь этим голосом.

На базовом Mac mini с процессором M4 и 16 ГБ памяти генерация короткого 5-секундного голосового клона занимает около 10 секунд. Генерация клонов длительностью до 30 секунд занимает около 60 секунд.

Добавленные функции:
- Режимы квантования: 8 бит, mxfp4, смешанный (сокращает объем памяти с ~6 ГБ до ~4 ГБ, скорость в 1,2–1,4 раза выше)
- Предустановки качества: черновой вариант, быстрый, сбалансированный, качественный, сверхкачественный
- Обрезка хвостов: латентная, энергетическая, f0
- Блочная генерация: потоковая передача, продолжение аудио, --blockwise 128,128,64

🔗 https://github.com/mznoj/echo-tts-mlx
Блог и Примеры: https://jordandarefsky.com/blog/2025/echo/
Демо: https://huggingface.co/spaces/jordand/echo-tts-preview
(Обсуждение)
#EchoTTS #TTS #MLX #MacOS #LocalAi #AiLocal

🎙 DictaWiz: AI Voice Keyboard (Private Voice to Text) - Транскрибация голоса и диктофонных записей локально на iPhone с помощью Parakeet

📱 https://apps.apple.com/us/app/dictawiz-ai-voice-keyboard/id6759256382
📱 https://apps.apple.com/us/app/dictawiz-private-voice-to-text/id6759256382 - новое название: DictaWiz: Private Voice to Text

В приложении есть и #Whisper но #Parakeet работает значительно быстрее!
Надо будет скачать модель в 200Мб.

Также в комплекте специальная клавиатура, которая работает в любом приложении. Все обрабатывается локально, данные не покидают ваше устройство. При желании вы можете синхронизировать свои заметки, записи и ярлыки с iCloud.

Щедрые бесплатные лимиты. Клавиатурой можно пользоваться бесплатно. За использование локальных функций искусственного интеллекта взимается небольшая плата после достижения лимита, а запись и расшифровка более 60 минут стоят немного дороже, но даже бесплатное приложение поможет вам сэкономить как минимум час в день.
Приложение постоянно обновляется и улучшается!
В планах: диктовка с помощью часов, дополнительные модели, такие как QWEN ASR

Ранее была установка через TestFlight https://testflight.apple.com/join/e5pcxwyq
(Обсуждение)
#Транскрибация #ASR #STT #DictaWiz #FreeVoice #AIVoiceKeyboard #iPhone #LocalAi #AiLocal

🎙 whisperX - автоматическое распознавание речи с временными метками на уровне слов (и диаризацией)

⚡️ Пакетная обработка для 70-кратного ускорения расшифровки в реальном времени с использованием модели whisper large-v2
(Модель #whisper от OpenAI изначально не поддерживает пакетную обработку.)
🎯 Точные временные метки на уровне слов с использованием выравнивания wav2vec2
👯‍♂️ Многоголосная система автоматического распознавания речи с использованием диаризации по голосам из pyannote-audio (метки с идентификаторами говорящих)
🗣 Предварительная обработка VAD, снижающая количество ложных срабатываний и обеспечивающая пакетную обработку без ухудшения показателя WER
- Обнаружение голосовой активности (Voice Activity Detection, VAD) — это определение наличия или отсутствия человеческой речи.
- Диарризация по говорящим — это процесс разделения аудиопотока, содержащего человеческую речь, на однородные сегменты в соответствии с идентификацией каждого говорящего.

Если вам нужен API для расшифровки записей совещаний, обратите внимание на API для расшифровки записей совещаний от Recall.ai, который работает с Zoom, Google Meet, Microsoft Teams и другими платформами. Recall.ai извлекает данные о выступающих и отдельные аудиопотоки с платформ для проведения совещаний, что обеспечивает 100-процентную точность определения выступающих с указанием их имен.

🔗 https://github.com/m-bain/whisperX

💡 И совместно может быть интересен: EchoNotes которое отслеживает появление новых файлов в папке, извлекает их содержимое (текст, аудио, видео), обобщает его с помощью локальной модели большой языковой модели и сохраняет обобщенный результат на диск. Приложение поддерживает работу в автономном режиме и может работать с файлами различных форматов, включая PDF, документы Word, текстовые файлы, видео- и аудиофайлы.
🔗 https://github.com/nothingmn/echonotes

#whisperX #EchoNotes #Транскрибация #LocalAi #AiLocal

👁 Observer - Наблюдательный ИИ

Локальные микроагенты, которые наблюдают, регистрируют и реагируют
Создавайте мощные микроагенты, которые будут наблюдать за вашим цифровым миром, запоминать важную информацию и принимать взвешенные решения, сохраняя при этом ваши данные в полной конфиденциальности и безопасности.

🔗 https://app.observer-ai.com
Наглядно про создание и использование агентов: https://www.youtube.com/watch?v=6zJh8NmCXYw
Observer AI Launch https://www.youtube.com/watch?v=i5WDvQy0XJA
(Все видео на Канале)
📱 https://apps.apple.com/mx/app/observer-ai/id6758222050
Проект: https://github.com/Roy3838/Observer
(Обсуждение)
#Observer #AiAgent #AgentAi #LocalAi #AiLocal #App #iPhone

🤖 PageAgent - Агент живущий в браузере от Alibaba!

ИИ-агент на вашей веб-странице!
Агент графического интерфейса, живущий на вашей веб-странице. Управляйте веб-интерфейсами с помощью естественного языка.
Оператор ИИ живет на вашей веб-странице!
🪄Одна строка кода превращает ваш сайт в приложение на основе искусственного интеллекта.
Пользователи дают команды на естественном языке, а ИИ делает все остальное.

✨ Особенности:
🎯 Простая интеграция
- Не нужно использовать browser extension / python / headless browser.
- Только встроенный в страницу JavaScript. Все происходит на вашей веб-странице.
- Лучший инструмент для вашего агента по управлению веб-страницами.
📖 Манипуляции с DOM на основе текста
- Никаких скриншотов. Не требуется распознавание текста или мультимодальные языковые модели.
- Никаких специальных разрешений не требуется.
🧠 Используйте свои собственные языковые модели
🎨 Красивый интерфейс с участием человека
🐙 Дополнительное расширение для Chrome для многостраничных задач.

💡 Примеры использования:
- SaaS AI Copilot — внедрите помощника на основе искусственного интеллекта в свой продукт с помощью нескольких строк кода. Переписывать серверную часть не нужно.
- Умное заполнение форм — превратите рабочие процессы, состоящие из 20 кликов, в одно предложение. Идеально подходит для ERP, CRM и административных систем.
- Доступность — сделайте любое веб-приложение доступным для использования с помощью естественного языка. Голосовые команды, программы для чтения с экрана, никаких барьеров.
- Многостраничный агент — расширьте возможности своего агента, используя вкладки браузера с помощью дополнительного расширения для Chrome.

Демо: https://alibaba.github.io/page-agent/
🔗 https://github.com/alibaba/page-agent
(Обсуждение)
#PageAgent #AiAgent #AgentAi #LocalAi #AiLocal

😼 OpenFelix — голосовой ИИ-агент для macOS.

Запускает локальные языковые модели на Apple Silicon через MLX. Поддерживает все навыки OpenClaw. Claude, GPT или полностью автономный режим.

OpenFelix — это бесплатный ИИ-агент с открытым исходным кодом, который находится в строке меню вашего Mac. Нажмите Option+пробел в любом месте, произнесите или напечатайте запрос, и Феликс начнет действовать — просматривает ваш календарь, выполняет поиск в интернете, отправляет сообщения, запускает запланированные задачи, генерирует музыку и отвечает естественным голосом.

Это не чат-бот. Это агент с инструментами, голосовым вводом и системой навыков, которые можно использовать для чего угодно. Он работает полностью на устройстве с локальными моделями MLX и легко переключается на Claude или любую облачную модель, если вам нужно максимальное качество.
Есть Интеграция с OpenClaw 🦞😼

🔗 https://openfelix.com
🎞 Демо: https://www.youtube.com/watch?v=tUmCYdsq7Sw - тут наглядно показаны все преимущества над Siri.
⬇️ Скачать OpenFelix v0.1.0 для #MacOS
(Обсуждение)
#OpenFelix #AiAgent #AgentAi #LocalAi #AiLocal

🎙 Microsoft выпустила VibeVoice-ASR в версии для Transformers

Модель распознавания речи теперь можно запускать через стандартный фреймворк Transformers. Раньше приходилось использовать отдельный репозиторий — теперь интеграция стала проще.

VibeVoice-ASR поддерживает перевод аудио в текст и работает с популярными библиотеками для обработки речи. Подходит для тех, кто уже использует экосистему Hugging Face в проектах.

🔗 https://github.com/microsoft/VibeVoice
https://github.com/huggingface/transformers
https://huggingface.co/microsoft/VibeVoice-ASR-HF
https://huggingface.co/microsoft/VibeVoice-ASR
#VibeVoice #ASR #STT #Транскрибация #LocalAi #AiLocal

🤖 OS1 - рабочее пространство с искусственным интеллектом, которое вам действительно нужно!

nokodo — это платформа искусственного интеллекта с открытым исходным кодом, созданная для команд и опытных пользователей. Она сочетает в себе автономных агентов, глубокие исследования, совместную работу в режиме реального времени и гибкую систему инструментов — и все это в красивом рабочем пространстве с возможностью самостоятельного размещения.

Наша цель — предоставить все, что вы ожидаете от современной платформы искусственного интеллекта, и даже больше: полное управление рабочим пространством, социальные функции, корпоративный ACL и систему безопасности, гибридный RAG, агентский веб-поиск, поддержку White Label и полностью отдельную консоль администратора, которая избавляет конечных пользователей от всех сложностей.

Интерфейс поставляется в виде нативного PWA с полноценными мобильными макетами, а в скором времени появятся нативные приложения для iOS и Android.

🔗 https://github.com/nokodo-labs/os1
🔗 https://nokodo.net
(Обсуждение)
#nokodo #OS1 #AiAgent #AgentAi #LocalAi #AiLocal

ℹМодель: Еретик (heretic) НАКОНЕЦ-ТО победил GPT-OSS с помощью нового экспериментального метода удаления цензуры под названием ARA

🔗https://huggingface.co/p-e-w/gpt-oss-20b-heretic-ara-v3
GGUF https://huggingface.co/mradermacher/gpt-oss-20b-heretic-ara-v3-GGUF

Это пока экспериментальная функция, поэтому большинство еретических моделей, которые вы видите в сети, скорее всего, не используют этот метод. Пока он доступен только в бета-версии Heretic. Убедитесь, что используете модели, в которых указано, что они используют MPOA+SOMA. Но как только эта функция станет доступна в полной версии Heretic, появятся и другие модели, использующие ARA, так что по возможности используйте их.

(Обсуждение)
#heretic #GPTOSS20B #GGUF #huggingface #ARA

💬 Cai - Подключите буфер обмена к локальной языковой модели, нажав ⌥C (macOS)

Умные действия с буфером обмена на основе локального ИИ. Выделяйте текст и выполняйте контекстно-зависимые действия — и все это локально на вашем Mac.

Помощник для работы с буфером обмена, ориентированный на конфиденциальность и использующий локальный искусственный интеллект. Ваши данные никогда не покинут ваш компьютер.

Cai — это встроенное в macOS приложение в строке меню, которое определяет, что находится в вашем буфере обмена, и предлагает интеллектуальные действия с учетом контекста.
Скопируйте приглашение на встречу, и приложение создаст событие в календаре.
Скопируйте адрес, и оно откроет Карты.
Скопируйте любой текст и попросите местный ИИ обобщить, перевести или сделать что угодно — и все это не отрываясь от клавиатуры.
Никакого облака. Никакой телеметрии. Никаких аккаунтов.

Как Это Работает:
- Выделите текст в любом месте на вашем Mac
- Нажмите ⌥C (Option+C)
- Cai определяет тип контента и предлагает соответствующие действия
- Выберите действие с помощью клавиш со стрелками или ⌘1–9
- Результат автоматически скопируется в буфер обмена — просто нажмите ⌘V, чтобы вставить

- Умное распознавание 7 типов контента с контекстно-зависимыми действиями
- Встроенный искусственный интеллект — поставляется с Ministral 3B, загружаемым при первом запуске. Также работает с LM Studio, Ollama или любым сервером, совместимым с OpenAI

🔗 https://getcai.app 
Проект: https://github.com/soyasis/cai 
⬇️ Скачать Cai v1.1.0 для MacOS
(Обсуждение)
#Cai #MacOS #AiAgent #AgentAi #LocalAi #AiLocal

📱 Solair AI - Локальный ИИ на iPhone

Из интересного: При 1 запуске, скачивает 3 модели ИИ: LFM2.5 1.2B, Qwen3 4B, Gemma 3 4B и они используются автоматически! Единственное, которое может подгружать данные из Apple Health и имеет встроенные Промты для работы с ними! Есть много других встроенных промтов под множество задач!

Есть интеграция с браузером huggingface, так что вы можете использовать любую совместимую модель.

⬇️ https://apps.apple.com/ch/app/solair-ai-local-ai/id6758450823
Еще для iPhone https://t.me/Ai2Local/21
#SolairAI #Solair #iPhone #App #LocalAi #AiLocal

💬 DevForth Lab Chat — Площадка для тестирования больших языковых моделей с открытым исходным кодом (GPT-OSS, Qwen3.5, DeepSeek) с помощью инструментов и RAG [бесплатно, регистрация не требуется]

Бесплатная демоверсия для оценки языковых моделей, которые можно использовать в производственных целях, чтобы избежать привязки к поставщику, теневого ИИ и утечки внешних данных.

Вы можете сравнить такие модели, как OpenAI GPT OSS 20B и 120B, DeepSeek R1 70B, Qwen3 32B и другие, в режиме реального времени с помощью базы знаний на основе RAG. Вы также можете посмотреть, как используются входные и выходные токены, оценить задержку, пропускную способность и время генерации.
Вы также можете установить различные уровни reasoning_effort.

🔗 https://devforth.io/lab/chat/
(Обсуждение)
#DevForthLabChat #AiChat #AiModel #ModelAi #LocalAi #AiLocal

💬 Локальный голосовой перевод в реальном времени для Windows (Whisper + NLLB + CUDA)

Aurora Subtitles — приложение для Windows, которое генерирует субтитры и перевод в режиме реального времени на основе звука с микрофона или из системного аудио.

Цель состояла в том, чтобы создать приложение, которое работает полностью локально, без использования облачных API.

Основные функции:
• субтитры в режиме реального времени на основе звука с микрофона или из системного аудио
• автоматический перевод с одного языка на другой
• работает локально с использованием #Whisper (распознавание речи) и NLLB (перевод)
• Ускорение с помощью CUDA для снижения задержки
• Наложение субтитров на экран

Это может быть полезно для:
• голосовых чатов и Discord
• игр
• совещаний или видеозвонков
• обеспечения доступности, в том числе для людей с нарушениями слуха

После загрузки моделей все работает на компьютере пользователя.

Большинство инструментов:
- не работали в режиме реального времени
- требовали облачных API
- не поддерживали системный звук

🔗 https://ilicilabs.com/products/aurora-subtitles
(Обсуждение)
#AuroraSubtitles #Windows #AiTranslate #AiVideo #LocalAi #AiLocal

ℹМодель: Сравнение семейства Qwen3.5 по общим бенчмаркам

Основной вывод: 122B, 35B и особенно 27B сохраняют большую часть производительности флагмана, в то время как 2B / 0,8B гораздо сильнее отстают в категориях с длинным контекстом и агентами.
(Обсуждение)
#Qwen35 #benchmarks #AiModel #ModelAi #LocalAi #AiLocal