Support MPS for macOS

[devnoff]

요약 (Summary)

이 PR은 Dia 모델을 macOS 환경 (Apple Silicon 및 Intel)에서 실행할 수 있도록 지원을 추가합니다. Apple Silicon의 Metal Performance Shaders (MPS)를 활용한 GPU 가속과 CPU 폴백(fallback) 실행을 모두 지원합니다.

동기 (Motivation)

기존 코드는 주로 CUDA 환경을 기준으로 테스트 및 설정되어 있어 macOS 사용자가 로컬 환경에서 모델을 사용하기 어려웠습니다. 이 변경을 통해 macOS 사용자, 특히 Apple Silicon 칩을 사용하는 사용자들이 모델을 더 쉽게 활용할 수 있게 됩니다.

변경 내용 (Changes Made)

• Python 버전 요구사항: 테스트 결과, Python 3.13 환경에서 descript-audio-codec 라이브러리와의 호환성 문제가 발견되어 Python 3.10을 필수 요구사항으로 지정했습니다. (.python-version 파일은 있으나, pyenv 사용은 사용자의 선택사항입니다.)
• 장치 처리 로직 수정:
  • app.py, cli.py, dia/model.py, dia/state.py 등 관련 파일에서 CUDA 외에 MPS (torch.backends.mps.is_available()) 및 CPU 장치를 감지하고 사용하도록 로직을 수정했습니다.
  • Gradio 앱 (app.py)과 CLI (cli.py)에서 --device mps 또는 --device cpu 인자를 통해 실행 장치를 명시적으로 선택할 수 있도록 지원합니다.
  • cli.py의 시드 설정 로직(set_seed)이 현재 활성화된 장치(CUDA, MPS, CPU)를 인식하도록 수정했습니다.
• 모델 로딩 오류 수정:
  • Python 3.10 환경에서 모델 로딩 시 발생했던 다양한 오류들을 해결했습니다.
    • Pydantic 모델(DiaConfig, DataConfig 등) 초기화 및 config.json 파싱 관련 TypeError 및 AttributeError 해결. (log6.txt 참고)
    • descript-audio-codec (DAC) 모델 로딩 방식 수정 (dac.DAC.load() 사용).
    • DiaModel 초기화 시 dtype 처리 방식 수정.
    • 내부 컴포넌트(DiaModel, Encoder, Decoder 등)에 올바른 설정 객체(DiaConfig)가 전달되도록 수정.
• 문서 업데이트:
  • README.md 파일의 "Quickstart" 및 "Hardware and Inference Speed" 섹션을 업데이트하여 다음 내용을 추가/수정했습니다:
    • Python 3.10 요구사항 명시.
    • 표준 pip 및 venv를 사용한 권장 설치 방법 안내.
    • macOS 환경에서의 실행 방법 (MPS/CPU 장치 옵션).
    • 하드웨어 섹션에 macOS 지원 명시 및 성능 관련 참고사항 추가.
    • Triton 라이브러리는 macOS에서 지원되지 않음 명시.
• 기타:
  • 디버깅 과정에서 추가했던 print 문들을 제거했습니다.

테스트 (Testing)

• macOS (Apple Silicon, M-시리즈 칩) 환경에서 Python 3.10 가상 환경을 구성하여 테스트했습니다.
• pip install . 명령어로 의존성 설치가 정상적으로 완료됨을 확인했습니다.
• python3 cli.py "..." --output test_mps.wav --device mps 명령 실행 시, MPS 장치를 사용하여 오류 없이 오디오 파일이 성공적으로 생성 및 저장됨을 확인했습니다.
• 이번 변경으로 인해 cuda 환경에서의 사이드이팩트 여부는 확인하지 못 했습니다.
• CPU 장치를 사용할 경우 매우 느리지만 오디오 파일이 성공적으로 생성 및 저장됨을 확인했습니다.

참고 (Notes)

• 이 PR은 Pydantic 모델 관련 문제를 해결하기 위해 여러 시도를 거쳤으나, 최종적으로는 원래의 Pydantic 모델 구조를 유지하면서 Python 3.10 환경에서 정상 동작하도록 수정했습니다. (임시로 딕셔너리를 사용했던 코드는 복구됨)
• uv를 사용한 설치는 환경 설정 문제로 인해 불안정할 수 있어, 표준 pip 사용을 권장하는 방향으로 문서를 수정했습니다.
• 작업의 전 과정은 Cursor with gemini-2.5-pro-exp-03-25 를 통해 진행되었습니다. python 및 모델 관련 지식이 전무하기 때문에 관련 질문에 답해드릴 수 없음을 미리 양해구합니다.

---

[maslovw]

Checked on

  Model Name: MacBook Pro
  Model Identifier: MacBookPro18,2
  Model Number: Z14V001TCD/A
  Chip: Apple M1 Max
  Total Number of Cores: 10 (8 performance and 2 efficiency)
  Memory: 64 GB

$ git clone git@github.com:nari-labs/dia.git
$ git remote add devnoff git@github.com:devnoff/dia.git
$ git fetch devnoff mac
$ git co devnoff/mac
$ python3.10 -m venv ~/venv/dia
$ source ~/venv/dia/bin/activate
$ pip install -e .
$ python --version
    Python 3.10.16
$ python app.py

Using device: mps
Loading Nari model...
config.json: 100%|███████████████████████████████████████████████████████| 941/941 [00:00<00:00, 1.27MB/s]
dia-v0_1.pth: 100%|██████████████████████████████████████████████████| 6.44G/6.44G [04:42<00:00, 22.8MB/s]
/Users/maslovw/venv/dia/lib/python3.10/site-packages/torch/nn/utils/weight_norm.py:143: FutureWarning: `torch.nn.utils.weight_norm` is deprecated in favor of `torch.nn.utils.parametrizations.weight_norm`.
  WeightNorm.apply(module, name, dim)
Launching Gradio interface...
* Running on local URL:  http://127.0.0.1:7860

To create a public link, set `share=True` in `launch()`.
--- Inside _prepare_generation ---
Type of self.config: <class 'dia.config.DiaConfig'>
Content of self.config (or keys): dict_keys(['version', 'model', 'training', 'data'])
--- End Debug Print ---
Generation finished in 44.50 seconds.
Resampled audio from 387584 to 412323 samples for 0.94x speed.
Audio conversion successful. Final shape: (412323,), Sample Rate: 44100
Converted audio to int16 for Gradio output.

Generation of an example is successful

[galosa]

works well on mac m3 pro

[iamsh4]

Attempting to run this on M4 Max with the instructions above (same instructions on the README from the PR repo), I consistently fail when trying to generate using gradio (pytohn3 app.py --device mps) with

gradio.exceptions.Error: 'Inference failed: probability tensor contains either `inf`, `nan` or element < 0'

[felipeff]

It took me a while to figure out, but the Python venv setup for the project installs Pytorch 2.6.0.
I had to run:

pip3 install torch torchaudio torch-stoi --upgrade

to upgrade to the latest version 2.7.0.

After that, I was able to successfully run/validate the code

[devnoff]

https://velog.io/@devnoff/Dia-Text-to-Speech-Model-macOS-%EC%A7%80%EC%9B%90-%EC%9E%91%EC%97%85-%EA%B3%BC%EC%A0%95

참고로, 이번 작업을 수행한 과정을 기록한 블로그 글입니다.
(For reference, here is a blog post documenting the process of doing this.)

[felipeff]

https://velog.io/@devnoff/Dia-Text-to-Speech-Model-macOS-%EC%A7%80%EC%9B%90-%EC%9E%91%EC%97%85-%EA%B3%BC%EC%A0%95

참고로, 이번 작업을 수행한 과정을 기록한 블로그 글입니다. (For reference, here is a blog post documenting the process of doing this.)

Considering that you already have a conditional setup in the poetry config file, it would be a good idea for you to install torch 2.7.0 if you're on macos instead of the current 2.6 config. This would prevent the issues that I and others in the 2 discussion threads that exist with people reporting that this PR did not work for them

[1TommyCheung]

Checked on

  Model Name: MacBook Pro
  Model Identifier: MacBookPro18,2
  Model Number: Z14V001TCD/A
  Chip: Apple M1 Max
  Total Number of Cores: 10 (8 performance and 2 efficiency)
  Memory: 64 GB

$ git clone git@github.com:nari-labs/dia.git
$ git remote add devnoff git@github.com:devnoff/dia.git
$ git fetch devnoff mac
$ git co devnoff/mac
$ python3.10 -m venv ~/venv/dia
$ source ~/venv/dia/bin/activate
$ pip install -e .
$ python --version
    Python 3.10.16
$ python app.py

Using device: mps
Loading Nari model...
config.json: 100%|███████████████████████████████████████████████████████| 941/941 [00:00<00:00, 1.27MB/s]
dia-v0_1.pth: 100%|██████████████████████████████████████████████████| 6.44G/6.44G [04:42<00:00, 22.8MB/s]
/Users/maslovw/venv/dia/lib/python3.10/site-packages/torch/nn/utils/weight_norm.py:143: FutureWarning: `torch.nn.utils.weight_norm` is deprecated in favor of `torch.nn.utils.parametrizations.weight_norm`.
  WeightNorm.apply(module, name, dim)
Launching Gradio interface...
* Running on local URL:  http://127.0.0.1:7860

To create a public link, set `share=True` in `launch()`.
--- Inside _prepare_generation ---
Type of self.config: <class 'dia.config.DiaConfig'>
Content of self.config (or keys): dict_keys(['version', 'model', 'training', 'data'])
--- End Debug Print ---
Generation finished in 44.50 seconds.
Resampled audio from 387584 to 412323 samples for 0.94x speed.
Audio conversion successful. Final shape: (412323,), Sample Rate: 44100
Converted audio to int16 for Gradio output.

Generation of an example is successful

Specifically for any one who is trying to replicate this, you have to clone @devnoff mac branch:

git clone --single-branch --branch mac https://github.com/devnoff/dia.git

Follow the rest of the instructions (personally I use the exact python version 3.10.16 for the venv/conda env). Works great. @devnoff 정말 감사합니다. 훌륭해요 Vibe Coding!

[cedricferry]

Device: Apple M3 Pro, 36GB, macOS sonoma

git clone --single-branch --branch mac https://github.com/devnoff/dia.git
uv run app.py --device=mps

It seems to work, I see GPU usage going up (80-95%). But eventually failed with this error:

Inference failed: Output channels > 65536 not supported at the MPS device.

[tejas-hosamani]

I am getting this error, any idea why?

---

Edit:
I ran this command:
pip3 install torch torchaudio torch-stoi --upgrade

Now I am getting this:

[robbiemu]

I am getting this error, any idea why?

Edit: I ran this command: `pip3 install torch torchaudio torch-stoi --upgrade`

Now I am getting this:

does this work for you?

    compute_dtype = torch.float16 if self.device == "cuda" else torch.float32

    self.model = Dia.from_pretrained(
        model_checkpoint, compute_dtype=compute_dtype, device=self.device
    )