Портативная локальная озвучка на базе Higgs Audio v3 TTS — экспрессивная речь на 100+ языках, zero-shot клонирование голоса, AI-режиссёр текста, режимы Подкаст и Аудиокнига. 100% оффлайн, в один клик.
🚀 Кроссплатформенная установка в один клик через Pinokio:
Работает на Windows / Linux (x64 & aarch64) / macOS · NVIDIA / AMD / Apple Silicon / CPU. Без
install.bat— Pinokio сам ставит CUDA, Python 3.12, PyTorch и зависимости. Лаунчер: timoncool/HiggsAudio-Studio-pinokio
Экспрессивная речь на 100+ языках, клонирование любого голоса по референсу, локальный LLM-режиссёр подачи и готовые подкасты и аудиокниги — целиком на твоей машине. 100% оффлайн, без облака и API-ключей. Всё живёт внутри папки: Python, зависимости, модели, кэш. Удалил папку — удалил приложение.
Основано на Higgs Audio v3 TTS от Boson AI — экспрессивная TTS-модель на 4B с нативным мультиспикером и инлайн-управлением эмоциями/просодией.
- 🎙️ Озвучка — текст → речь, 100+ языков; температура, top-p/k, seed с замком; автоплей; кнопка ⏹ Стоп обрывает генерацию на лету (на уровне инференса); прогресс по кадрам в терминале.
- 🎭 Экспрессия + 🤖 Режиссёр — вставка управляющих тегов (
<|emotion|>,<|sfx|>,<|prosody|>,<|style|>) кнопками + кнопка «Обогатить»: лёгкая локальная LLM нормализует текст и расставляет эмоциональные/звуковые/просодические теги по смыслу. - 🧬 Клонирование — голос по референсу (zero-shot) с авто-транскриптом (Moonshine ASR); библиотека пресетов + докачка русского пака.
- 🎬 Подкаст / Диалог — LLM пишет мульти-спикерный сценарий, каждому спикеру свой голос → склейка с выравниванием громкости спикеров (LUFS −16, стандарт подкастов — один диктор не тише другого).
- 📚 Аудиокнига — атрибуция «рассказчик/персонажи» с постоянным ростером (тот же герой = тот же голос), длинная форма с переносом тембра + нормализация громкости.
- 📦 Пакет — список текстов → массовая озвучка с лайв-логом.
- 💾 Формат вывода — WAV / MP3 / FLAC / OGG на выбор; результаты в
output/с таймстампами.
43 управляющих тега: 21 эмоция, 10 просодия, 3 стиля, 9 звуков. AI-режиссёр — переключаемая GGUF-модель: Qwen3.5-9B (по умолчанию, ~5.5 ГБ) / Qwen3.5-4B (лёгкая, ~2.5 ГБ), работает на GPU через llama.cpp. Квантизация Higgs TTS — на лету (⚗️ экспериментально), авто по VRAM. Интерфейс RU / EN.
| ОС | GPU | Статус | Ускорение |
|---|---|---|---|
| Windows 10/11 | NVIDIA RTX 30xx–50xx | ✅ протестировано | CUDA 12.8 + Triton (torch.compile ~2×) |
| Windows 10/11 | NVIDIA RTX 20xx | ✅ ожидается | CUDA 12.8 + Triton |
| Linux x64 | NVIDIA RTX 20xx–50xx | ✅ ожидается | CUDA 12.8 + Triton |
| Linux aarch64 | NVIDIA DGX Spark / Jetson | ✅ ожидается | CUDA 13.0 |
| Windows | AMD RDNA3+ | ✅ ожидается | DirectML |
| Linux | AMD RDNA3+ | ✅ ожидается | ROCm 6.3 |
| macOS | Apple Silicon M1–M4 | ✅ ожидается | MPS |
| macOS | Intel | torch CPU | |
| Любая | Только CPU | CPU |
Higgs не использует Flash-Attention 2 (берёт SDPA с flash-ядрами). Локальная
install.bat-сборка — NVIDIA Windows; полная кроссплатформенность — через Pinokio.
| VRAM | Режим TTS | LLM-режиссёр |
|---|---|---|
| 24 GB+ | bf16 (~11 ГБ) | 9–12B в 4-бит (~6–8 ГБ) |
| 12 GB | 8-бит (~6–7 ГБ) | 4–9B в 4-бит (~3–6 ГБ) |
| 6–8 GB | 4-бит (~3.5 ГБ) | 2–4B в 4-бит (~1.5–3 ГБ) |
| CPU | работает, очень медленно | — |
Модели (~9 ГБ TTS + LLM) скачиваются автоматически при первом запуске.
- Скачайте репозиторий.
- Установка — запустите
install.bat, выберите GPU (CUDA 11.8 / 12.6 / 12.8 или CPU). Поставит портативный Python, PyTorch и зависимости. - Запуск — запустите
run.bat; приложение откроется в браузере, модели скачаются при первом запуске. Обновление —update.bat.
Или в один клик кроссплатформенно через Pinokio — без install.bat.
Другие проекты @timoncool
| Проект | Описание |
|---|---|
| VoxCPM2 Portable | Мультиязычный TTS + Voice Design + LoRA-файнтюн |
| Qwen3-TTS | Портативный TTS с клонированием голоса |
| ACE-Step Studio | AI-студия музыки — песни, вокал, каверы, клипы |
| Foundation Music Lab | Генерация музыки + редактор таймлайна |
| VibeVoice ASR | Портативное распознавание речи |
| LavaSR | Портативное улучшение аудио |
| SuperCaption Qwen3-VL | Портативное описание изображений |
| VideoSOS | AI-видеопродакшн в браузере |
- Nerual Dreming — Telegram | neuro-cartel.com | ArtGeneration.me
- Нейро-Софт — Telegram | портативные нейросети
- Boson AI — Higgs Audio v3 — модель TTS
- multimodalart — transformers-порт модели
- Slait/russia_voices — 743 русских голоса-пресета
- Moonshine ASR — авто-транскрипт референса
- pyloudnorm — выравнивание громкости (EBU R128) · Gradio — UI-фреймворк
Я создаю опенсорс софт и занимаюсь исследованиями в области ИИ. Большая часть всего, что я делаю, находится в открытом доступе. Ваши пожертвования позволяют мне создавать и исследовать больше, не отвлекаясь на поиск еды для продолжения существования =)
Все способы поддержки | dalink.to/nerual_dreming | boosty.to/neuro_art
- BTC:
1E7dHL22RpyhJGVpcvKdbyZgksSYkYeEBC - ETH (ERC20):
0xb5db65adf478983186d4897ba92fe2c25c594a0c - USDT (TRC20):
TQST9Lp2TjK6FiVkn4fwfGUee7NmkxEE7C
Код обёртки — открытый. Веса Higgs Audio v3 распространяются Boson AI под лицензией Research & Non-Commercial — приложение некоммерческое. Клонирование голоса — только с согласия владельца голоса; запрещены выдача себя за другого, мошенничество и любое незаконное использование. См. карточку модели.