Maya 2 Native
Maya Research 的 2.5B 流式文字转语音模型,支持 11 种印度语言和英语,带 20 个声音和克隆,Apache 2.0。
一句话概括. Maya 2 Native 能用印地语、泰米尔语、泰卢固语、孟加拉语等八种其他语言和英语朗读文字。它在生成的同时就开始播放音频,自带 20 个声音,还能用一小段录音复制一个声音。权重在 Apache 2.0 下免费使用,需要 NVIDIA 显卡。
概述
Maya 2 Native 是 Maya Research 的开放权重流式文字转语音模型,支持 11 种印度语言和英语:阿萨姆语、孟加拉语、英语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语和泰卢固语。它输出 24 kHz 的语音,音频帧为 80 毫秒,自带 20 个声音,并能用 3 到 10 秒的参考音频克隆声音,包括跨语言克隆。模型有 25 亿参数:一个由 Qwen3-1.7B-Base 初始化的主干负责预测 Kyutai 的 Mimi 编解码器 32 个码本中的第一个,一个约 5.55 亿参数的深度解码器填充其余码本。训练用的是授权和合成的语音,之后有一个偏好优化阶段,Maya 没有公开数据集或总训练时长。
在它自己的 bench6k 测试集上,共 6000 条保留文本,每种语言 500 条,Maya 报告总体字符错误率为 3.49%(以它自己的印度语言语音识别器为主要评判者)、3.40%(Qwen3-ASR)和 2.86%(另一个未参与训练的内部识别器)。阿萨姆语最难,为 5.41% 到 6.59%,印地语是最容易的之一,为 1.52% 到 2.05%,网址在主评判者上达到 29%。在一块 H100 NVL 上,它同时服务了 224 路流,首音频时间中位数为 111 毫秒,单路约 14 毫秒。模型卡还称,2026 年 11 月 3 日 Maya-2-Native 在 VoiceArena 实时榜单的印地语排名第二,仅次于 Cartesia 的 Sonic-3.6,在包含所有模型的印地语视图里排第七。这些是 Maya 用自动评判者得到的发布测量结果,模型卡没有给出人工自然度研究,也没有与其他语音模型的受控对比。
权重和推理引擎采用 Apache 2.0,而上游组件保留各自的许可证:Qwen3-1.7B-Base 是 Apache 2.0,Kyutai 的 Mimi 编解码器是 CC BY 4.0,SpeechBrain 的 ECAPA-TDNN 是 Apache 2.0。引擎面向 Linux、Python 3.10 到 3.12 和 NVIDIA CUDA 12.8,使用 BF16 主干时,一路并发稳态占用 7.7 GB 显存,加载时峰值为 9.2 GB。模型卡没有确认 CPU、苹果设备或浏览器上的推理。它提供 Python API、OpenAI 兼容的语音接口和 WebSocket 流式输出。截至 2026 年 11 月 11 日的 30 天内,Hugging Face 统计约有 5600 次下载。
适合做什么
- 需要在自己的 GPU 上流式输出音频的印度语言语音智能体、电话菜单和无障碍工具
- 克隆一个你有权使用的声音,并用它说另一种印度语言
- 用一个 5 GB 的模型为多种印度语言做旁白和通知
需要注意
- 阿萨姆语是最弱的语言,部分输出会偏向类似孟加拉语的音色,网址、符号、日期和长数字串即使启用文本规范化也仍然困难
- 分数来自 Maya 自己运行的自动识别器和说话人嵌入分类器,模型卡没有给出人工听测研究
- 它需要 Linux 上带 CUDA 的 NVIDIA GPU,模型卡没有确认 CPU、苹果设备或浏览器推理
- 没有音频水印,所以只能克隆你有权使用的声音,Mimi 编解码器是 CC BY 4.0,请保留其署名
- Maya 没有公开训练数据集和总音频时长
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 Maya 2 Native 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| Maya-2-Native BF16 | 2.5B | 5 GB | 5.75 GB | 笔记本或手机 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- Maya 2 Native 是什么?
- Maya 2 Native 能用印地语、泰米尔语、泰卢固语、孟加拉语等八种其他语言和英语朗读文字。它在生成的同时就开始播放音频,自带 20 个声音,还能用一小段录音复制一个声音。权重在 Apache 2.0 下免费使用,需要 NVIDIA 显卡。
- Maya 2 Native 可以商用吗?
- 可以。Maya 2 Native 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Maya 2 Native 是开源的吗?
- Maya 2 Native 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Maya 2 Native 吗?
- 可以。最小版本 Maya-2-Native 在 4 位精度下约需 5.75 GB 内存,现代笔记本或中端显卡即可胜任。
- Maya 2 Native 是什么时候发布的?
- Maya 2 Native 由 Maya Research 于 2026年10月25日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Maya 2 Native model card (Hugging Face) huggingface.co
- Maya 2 Native inference engine (GitHub) github.com
- VoiceArena Hindi TTS leaderboard voicearena.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| OmniVoice Xiaomi | 613M | – | CC BY-NC (非商用) | 3.75 GB 笔记本或手机 | |
| Qwen3-TTS Alibaba Qwen | 910M – 1.92B | – | Apache 2.0 (宽松) | 3.68 GB 笔记本或手机 | |
| VoxCPM2 OpenBMB | 2.29B | – | Apache 2.0 (宽松) | 8 GB 笔记本或手机 | |
| ZONOS3-Mini Zyphra | 800M 激活 100M | – | Apache 2.0 (宽松) | 10 GB 笔记本或手机 |