英文原文: https://argusic.com/subject/mlx-audio

mlx-audio

一个基于 Apple 的 MLX 框架构建的文本转语音（TTS）、语音转文本（STT）和语音转语音（STS）库，在 Apple Silicon 上提供高效的语音分析。

借助 mock 可运行来源：GitHub项目主页PythonMITcommit 4ab7e6f7dedd

Python，MIT 许可证. 项目的自我描述：apple silicon、audio processing、mlx、multimodal、speech recognition、speech synthesis、speech to text 和 text to speech.

mlx-audio 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 7.5 分钟完成了安装，遇到 4 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

mlx-audio v0.5.6 installed in a Python venv with mlx[cpu] backend, 354 of 376 tests pass (22 skipped due to missing torch/diffusers for parity), FastAPI server starts and responds 200 on /v1/models, all five CLI tools print help.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 92，满分 100（该项目各次运行得分的平均值）。

概览

结论
借助 mock 可运行
Argusic 评分
92 / 100
验证运行的成本
0.06 USD（实测）
已记录的运行次数
1
最近测试
星标
8,196
fork 数
784
未关闭的 issue
103
关注者
52
大小
104 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 mlx-audio 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • mlx.core imported libmlx.so but libmlx.so was not bundled with the base pip install on Linux (Apple Silicon-only by default)1.5 分钟
  • sounddevice requires PortAudio runtime library (libportaudio2 not available)1.5 分钟
  • pip install failed due to externally-managed-environment (PEP 668)1 分钟
  • webrtcvad failed to build from source (needs Python.h / python3-dev, not available)1 分钟
安装时间
8 分钟
从冷启动机器到完成
8 分钟
遇到并修复的错误
遇到 4 个，在无人协助的情况下修复了 4 个
结果是如何证明的
pytest ran 354 passed, 22 skipped across tests/; mlx_audio.server started on port 8777 and returned HTTP 200 on GET /v1/models and /docs; all CLI entry points (stt.generate, tts.generate, music.generate, sts.generate, convert) printed --help successfully
使用的模型 token
91,174
测试的确切 commit
4ab7e6f7dedd
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
对接真实服务的表现
本次运行只对照替身服务进行了验证

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

tests/vendor_parity/test_parity_support.py::test_quantized_switch_linear_matches_upstream PASSED [1…
======================== 293 passed, 4 skipped in 4.70s ========================
 succeeded in 6141ms:
tests/sts/test_nemotron_voicechat.py::test_streaming_session_buffers_partial_frames_and_cancels PAS…
tests/sts/test_nemotron_voicechat.py::test_sanitize_convolution_layouts PASSED [ 98%]
tests/sts/test_nemotron_voicechat.py::test_quantize_only_supported_linear_weights PASSED [100%]
======================== 46 passed, 18 skipped in 5.17s ========================
All tests now pass. Let me compile the final report.
2026-09-28T04:52:57.739476Z ERROR codex_core::session: failed to record rollout items: thread 01a0e…
tokens used
91,174
All tests now pass. Let me compile the final report.

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 用 7.5 分钟完成安装，快于 Argusic 测量过的 5 个同类项目的中位数。
  • 在无人介入的情况下从全部 4 个错误中恢复，说明这些故障的文档足以让人解决。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。

不顺利或尚不清楚的部分

  • 只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。
  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

在 Argusic 安装并计时过的 6 个 apple-silicon 项目中，mlx-audio 达到运行状态的速度排名第 2，6 个项目中有 2 个达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • mlx-audio 已验证可运行 · Python · 9 个共同主题
  • parlor 已测试，未验证 · Python · 5 个共同主题
  • leon 已验证可运行 · TypeScript · 4 个共同主题
  • dsnote 已测试，未验证 · C++ · 4 个共同主题
  • vllm-mlx 已测试，未验证 · Python · 4 个共同主题
  • TheWhisper 已测试，未验证 · Python · 4 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3借助 mock 可运行92.000.06

主题 (来自 GitHub)

apple-siliconaudio-processingmlxmultimodalspeech-recognitionspeech-synthesisspeech-to-texttext-to-speechtransformers

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/mlx-audio.svg)](https://argusic.com/subject/mlx-audio)

常见问题

mlx-audio 能运行吗？
mlx-audio 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 8 分钟，过程中遇到 4 个错误，并记录了整个会话。
Argusic 是如何测试 mlx-audio 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 4ab7e6f7dedd。共记录了 1 次尝试，完整方法见方法论页面。
测试 mlx-audio 花了多少钱？
得出该结论的那次运行花费 0.06 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
mlx-audio 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 7.5 分钟。这是一次实测的尝试，不是平均值。
mlx-audio 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 mlx-audio 时会出现什么问题？
已记录的运行中出现了 4 个问题，其中 4 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
mlx-audio 与其他替代方案相比如何？
在 Argusic 安装并计时过的 6 个 apple-silicon 项目中，mlx-audio 达到运行状态的速度排名第 2，6 个项目中有 2 个达到了运行状态。
mlx-audio 的证据在哪里？
这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion