Новые модели 27 ОКТЯБРЯ 2026
maya-research/maya2-native: новая модель в трендах Hugging Face
Рейтинги trending-tts, место 9
Автор maya-research
Ссылка https://huggingface.co/maya-research/maya2-native
Лицензия apache-2.0
Размер 2 502 398 656 параметров
Что это
Maya 2 Native — потоковая (streaming) модель синтеза речи (text-to-speech) от Maya Research для 11 индийских языков и английского. Генерирует моно-речь 24 кГц в 12 языках, имеет 20 встроенных голосов и zero-shot клонирование голоса по 3–10 секундам референсного аудио, в том числе кросс-языковое (хинди-референс может говорить на тамильском).
Данные из карточки
- 2.50B уникальных параметров, около 5.0 ГБ весов bf16; backbone инициализирован из Qwen3-1.7B-Base.
- Архитектура: backbone предсказывает первую кодовую книгу, depth-decoder (~555M) добирает кодовые книги 1–31, аудиокодек Kyutai Mimi (32 кодовые книги, 12.5 кадров/с), speaker conditioning через 192-мерные ECAPA-TDNN эмбеддинги.
- Потоковая выдача кадрами по 80 мс; интерфейсы Python, OpenAI-совместимый endpoint и WebSocket-стриминг, поддержка continuous batching и CUDA graphs.
- В бенчмарке VoiceArena (хинди, All, real-time) заняла 2-е место с Elo 1047.
- Оценка на 6000 текстов в 12 языках (20.3 часа речи): CER у трёх ASR-судов 2.86–3.49 % (scorer v1), идентичность голоса 98.6 %.
- Проверка релиза 1.0 от 25 октября 2026; лицензия Apache-2.0. Клонировать разрешено только собственные голоса или голоса с явного согласия.