跳到正文

全部端侧模型

适用于 iPhone 和 Mac 的文本转语音模型(Core ML 与 MLX)

该任务共有 146 个模型在 Hugging Face 上标为 Core ML 或 MLX,或由 Apple 发布:Core ML 77 个、MLX 69 个、其他 Apple 模型 0 个。下表列出最近 30 天下载量最高的模型。

最后更新:2026-11-02(UTC)。

显示 100 / 100 个。

模型大小下载量(30 天)
mlx-community/chatterbox-turbo-4bitMLX基于 ResembleAI/chatterbox-turbo417 MB22万
mlx-community/Kokoro-82M-bf16MLX基于 yl4579/StyleTTS2-LJSpeech389 MB7.9万
mlx-community/Qwen3-TTS-12Hz-1.7B-Base-bf16MLX4.5 GB2.3万
aufklarer/Kokoro-82M-CoreMLCore ML基于 hexgrad/Kokoro-82M335 MB2.3万
FluidInference/kokoro-82m-coremlCore ML基于 hexgrad/Kokoro-82M5.6 GB1.6万
mlx-community/Voxtral-4B-TTS-2603-mlx-bf16MLX基于 mistralai/Voxtral-4B-TTS-26038 GB1.4万
mlx-community/Qwen3-TTS-12Hz-0.6B-Base-8bitMLX2 GB1.2万
mlx-community/Qwen3-TTS-12Hz-1.7B-Base-8bitMLX3.1 GB1.1万
mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-8bitMLX基于 Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice3.1 GB1万
mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-4bitMLX2.3 GB9,935
mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-bf16MLX4.5 GB9,778
mlx-community/orpheus-3b-0.1-ft-bf16MLX基于 canopylabs/orpheus-3b-0.1-ft6.6 GB8,191
mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bitMLX2 GB8,061
mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-8bitMLX3.1 GB7,794
mlx-community/Qwen3-TTS-12Hz-0.6B-Base-bf16MLX2.5 GB7,756
mattmireles/kokoro-coremlCore ML基于 hexgrad/Kokoro-82M3.4 GB6,909
mlx-community/VoxCPM2-8bitMLX基于 openbmb/VoxCPM23.2 GB6,836
mlx-community/chatterbox-multilingual-v3MLX基于 ResembleAI/chatterbox2.7 GB6,764
mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-bf16MLX4.5 GB6,029
mlx-community/Breeze-TTS-2-mlxMLX基于 BreezeBlue/Breeze-TTS-2—5,612
mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-6bitMLX—5,053
mlx-community/Qwen3-TTS-12Hz-0.6B-Base-4bitMLX—4,967
mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-4bitMLX—4,796
mlx-community/Qwen3-TTS-12Hz-1.7B-Base-4bitMLX—4,697
aufklarer/Supertonic-3-CoreMLCore ML基于 Supertone/supertonic-3—4,438
mlx-community/fish-audio-drama-3-8bitMLX基于 fishaudio/drama-3—4,422
FluidInference/pocket-tts-coremlCore ML基于 kyutai/pocket-tts—3,845
mlx-community/VoxCPM2-bf16MLX基于 openbmb/VoxCPM2—3,192
mlx-community/fish-audio-s2-pro-8bitMLX基于 fishaudio/s2-pro—3,099
mlx-community/Voxtral-4B-TTS-2603-mlx-4bitMLX基于 mistralai/Voxtral-4B-TTS-2603—2,856
mlx-community/chatterbox-fp16MLX基于 ResembleAI/chatterbox—2,830
mlx-community/chatterbox-turbo-fp16MLX基于 mlx-community/chatterbox-turbo-fp16—2,830
mlx-community/Breeze-TTS-2-mlx-4bitMLX基于 BreezeBlue/Breeze-TTS-2—2,778
AILogDev/Irodori-TTS-v4.1-Small-MF-CoreMLCore ML基于 Aratako/Irodori-TTS-v4.1-Small-MF—2,671
mlx-community/fish-audio-drama-3-4bitMLX基于 fishaudio/drama-3—2,628
mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-bf16MLX—2,535
FluidInference/supertonic-3-coremlCore ML基于 Supertone/supertonic-3—2,483
theoracleguy/Kokoro-82M-bf16MLX基于 yl4579/StyleTTS2-LJSpeech—2,324
mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-6bitMLX—2,318
mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-4bitMLX—2,308
mlx-community/Soprano-80M-bf16MLX—2,029
iliasaz/chatterbox-nano-coremlCore ML基于 ResembleAI/chatterbox-nano—1,979
mlx-community/csm-1b-8bitMLX—1,920
mlx-community/Spark-TTS-0.5B-bf16MLX—1,789
mlx-community/Kokoro-82M-8bitMLX基于 yl4579/StyleTTS2-LJSpeech—1,777
mlx-community/Voxtral-4B-TTS-2603-mlx-6bitMLX基于 mistralai/Voxtral-4B-TTS-2603—1,758
mlx-community/Chatterbox-TTS-4bitMLX基于 ResembleAI/chatterbox—1,550
mlx-community/fish-audio-s2-pro-bf16MLX基于 fishaudio/s2-pro—1,538
mlx-community/OmniVoice-bfloat16MLX基于 k2-fsa/OmniVoice—1,494
mlx-community/VoxCPM2-4bitMLX基于 openbmb/VoxCPM2—1,477
mlx-community/Ming-3.0-tts-0.5B-bf16MLX基于 inclusionAI/Ming-3.0-tts-0.5B—1,423
mlx-community/chatterbox-turbo-8bitMLX基于 ResembleAI/chatterbox-turbo—1,413
mlx-community/Chatterbox-TTS-fp16MLX基于 ResembleAI/chatterbox—1,337
mlx-community/Breeze-TTS-2-mlx-8bitMLX基于 BreezeBlue/Breeze-TTS-2—1,315
seanll95/chatterbox-nano-coremlCore ML基于 ResembleAI/chatterbox-nano—1,171
mlx-community/orpheus-3b-0.1-ft-4bitMLX基于 canopylabs/orpheus-3b-0.1-ft—1,156
iliasaz/chatterbox-multilingual-coremlCore ML基于 ResembleAI/chatterbox—1,154
mlx-community/Soprano-1.1-80M-bf16MLX基于 ekwek/Soprano-1.1-80M—1,133
vanch007/mlx-indextts2-2.5-8bitMLX基于 IndexTeam/IndexTTS-2.5—1,045
aufklarer/Supertonic-3-CoreML-FP16Core ML基于 Supertone/supertonic-3—1,023
mlx-community/Dia-1.6BMLX基于 nari-labs/Dia-1.6B—1,013
theoracleguy/OmniVoice-bf16MLX—1,013
mlx-community/Ming-3.0-tts-0.5B-8bitMLX基于 inclusionAI/Ming-3.0-tts-0.5B—966
mlx-community/OmniVoice-8bitMLX基于 k2-fsa/OmniVoice—945
aufklarer/Chatterbox-Multilingual-MLX-fp16MLX基于 ResembleAI/chatterbox—941
mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-6bitMLX—921
mlx-community/chatterbox-4bitMLX基于 ResembleAI/chatterbox—905
iliasaz/chatterbox-turbo-coremlCore ML基于 ResembleAI/chatterbox-turbo—898
mlx-community/Llama-OuteTTS-1.0-1B-4bitMLX—895
mlx-community/Qwen3-TTS-12Hz-1.7B-Base-6bitMLX—860
mlx-community/chatterbox-8bitMLX基于 ResembleAI/chatterbox—840
ddalcu/Kokoro-82M-MLX-ServeMLX基于 hexgrad/Kokoro-82M—790
mlx-community/Kokoro-82M-4bitMLX基于 yl4579/StyleTTS2-LJSpeech—787
theoracleguy/Qwen3-TTS-12Hz-1.7B-VoiceDesign-4bitMLX基于 Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign—730
yepher/screen-cut-pro-tts-coremlCore ML基于 ResembleAI/chatterbox—719
mlx-community/IndexTTS-2.5-fp16MLX基于 IndexTeam/IndexTTS-2.5—695
mlx-community/Fun-CosyVoice3-0.5B-2512-fp16MLX基于 FunAudioLLM/Fun-CosyVoice3-0.5B-2512—692
appautomaton/fishaudio-s2-pro-8bit-mlxMLX基于 fishaudio/s2-pro—642
theoracleguy/MOSS-TTS-Local-Transformer-v1.5-4bitMLX基于 OpenMOSS-Team/MOSS-TTS-Local-Transformer-v1.5—623
mlx-community/csm-1bMLX基于 sesame/csm-1b—619
theoracleguy/Qwen3-TTS-12Hz-1.7B-Base-bf16MLX—607
mlx-community/higgs-audio-v2-3B-mlx-q8MLX基于 bosonai/higgs-tts-2-3b-base—571
iliasaz/ruaccent-coremlCore ML—464
mweinbach/Kokoro-82M-SwiftCore ML基于 hexgrad/Kokoro-82M—313
qmohits/kokoro-82m-coremlCore ML基于 hexgrad/Kokoro-82M—302
spybyscript/scyllasbandCore ML—300
qmohits/kokoro-82m-coreml-size-tiersCore ML基于 hexgrad/Kokoro-82M—261
kensora/kokoro-coremlCore ML—215
FluidInference/paradee-8m-coremlCore ML基于 sahilmahendrakar/Paradee-8M-v1.0—210
anayak16/kokoro-coreml-int8Core ML基于 hexgrad/Kokoro-82M—179
arata-ae/negen-archiveCore ML基于 AILogDev/Irodori-TTS-v4.1-Small-MF-CoreML—175
FluidInference/chatterbox-nano-coremlCore ML基于 ResembleAI/chatterbox-nano—165
mosiah/phonon-31m-en-coremlCore ML基于 gradium/phonon-31m-en—161
itsmechico/chatterbox-multilingual-pt-br-coreml-aneCore ML基于 ResembleAI/Chatterbox-Multilingual-pt-br—143
itsmechico/moss-tts-nano-coreml-aneCore ML基于 OpenMOSS-Team/MOSS-Audio-Tokenizer-Nano—124
aufklarer/Magpie-TTS-Multilingual-357M-CoreML-8bitCore ML基于 nvidia/magpie_tts_multilingual_357m—111
itsmechico/qwen3-tts-0.6b-base-coreml-aneCore ML基于 Qwen/Qwen3-TTS-12Hz-0.6B-Base—105
aufklarer/MOSS-TTS-Nano-100M-CoreMLCore ML基于 Allinsama/OpenMOSS-Team__MOSS-TTS-Nano-100M—104
robbiemu/paper2-kokoro-coreml-componentsCore ML基于 hexgrad/Kokoro-82M—89
s2e-host/s2e-kokoro-coremlCore ML基于 hexgrad/Kokoro-82M—86

如何阅读此表

  • 下载量是 Hugging Face 统计的最近 30 天数据,不是累计值。Hugging Face 按模型主文件的请求次数计数,所以一次安装可能被计入多次。
  • 大小是 Hugging Face 上该仓库当前全部文件的总和(1 GB = 1,000 MB)。有些仓库同时存放同一模型的多个版本,所以可能比你实际要下载的那一个更大;显示短横线表示还没有测量。
  • 热门是 Hugging Face 自己的近期关注度分数。名称下方的“基于”是该模型的来源模型。
  • 参数量是模型文件中的参数量。标有 * 的数值取自模型名称(例如 27B):文件里没有参数量,或参数量小得多(打包的低比特文件会这样)。
  • 量化信息读取自模型的标签和名称,未对照文件核实。

使用之前

列表来自 Hugging Face 的公开 API,每天更新。我们不会逐个测试模型。在应用中使用前,请查看许可证并阅读模型卡片:有些许可证限制商业用途,“other”表示条款写在模型卡片里。名称或标签指向成人内容或去除安全限制的模型不会列出;需要登录 Hugging Face 才能下载的受限模型也不会列出。