MLX on SoloSoft

MLX-Audio: Libreria de TTS, STT y STS Optimizada para Apple Silicon

Mon, 01 Jan 0001 00:00:00 +0000

Los Macs con Apple Silicon equipados con chips de la serie M – desde el M1 hasta el ultimo M4 Ultra – poseen una potencia computacional extraordinaria, particularmente para cargas de trabajo de aprendizaje automatico. Su arquitectura de memoria unificada permite que los modelos accedan a grandes cantidades de memoria rapida sin los cuellos de botella de la transferencia tradicional de datos CPU-GPU. MLX-Audio, una libreria Python de codigo abierto construida sobre el framework MLX de Apple, esta disenada especificamente para explotar esta ventaja de hardware en todo lo relacionado con audio AI.

MLX-Audio proporciona una interfaz unificada para conversion de texto a voz, voz a texto y voz a voz, soportando docenas de modelos desde Whisper de OpenAI (para transcripcion) hasta Kokoro y VoiceCraft (para sintesis). Reune capacidades que tipicamente estan dispersas en multiples librerias y frameworks, todas optimizadas para ejecutarse eficientemente en hardware Mac.

MLX-VLM: Inferencia y Ajuste Fino de Modelos de Lenguaje de Visión en Apple Silicon

Mon, 01 Jan 0001 00:00:00 +0000

Ejecutar Modelos de Lenguaje de Visión – sistemas de IA que pueden entender imágenes y texto simultáneamente – ha requerido tradicionalmente GPU NVIDIA costosas con VRAM sustancial. Los usuarios de Apple Silicon quedaron en gran medida fuera de la revolución de la IA multimodal, forzados a depender de APIs en la nube o configuraciones de doble máquina. MLX-VLM, del desarrollador Blaizzy, cambia esta ecuación por completo.

MLX-VLM es un paquete de Python de código abierto que lleva la inferencia y el ajuste fino de Modelos de Lenguaje de Visión directamente al hardware Apple Silicon utilizando el framework MLX de Apple. Al aprovechar la arquitectura de memoria unificada de los chips M-series, permite a los usuarios de Mac ejecutar modelos multimodales sofisticados – incluyendo LLaVA, Qwen-VL, InternVL2 y PaliGemma2 – completamente en el dispositivo, con un rendimiento que a menudo sorprende incluso a profesionales experimentados.

MLX: El Framework de Machine Learning de Apple para Apple Silicon

Mon, 01 Jan 0001 00:00:00 +0000

For years, machine learning on Macs meant one of two things: running PyTorch or TensorFlow through Apple’s Metal Performance Shaders backend, or accepting that NVIDIA-optimized frameworks would never fully leverage Apple Silicon’s capabilities. Both approaches left performance on the table. The unified memory architecture that makes M-series chips revolutionary for creative work went largely unused for ML.

MLX changes this entirely. It is Apple’s open-source ML framework, purpose-built for Apple Silicon. From the ground up, every optimization — lazy computation, unified memory access, neural engine integration — is designed for M-series hardware. The result is a framework that runs common ML workloads 2-3x faster on the same hardware compared to PyTorch through Metal, while using a cleaner, NumPy-inspired API.