/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_tts · dense
Базовая модель
Qwen3-TTS-12Hz-0.6B-Base
Опубликована
4 авг 2026

qwen3-tts-0.6b-sundanese

Синтез речиТекст → аудио3 профессии

Дообученная Qwen3-TTS для озвучивания сунданского текста фиксированным женским голосом.

10скачиваний за 30 дней0лайковвеса обновлены15 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

alkhrzmy дообучил Qwen3-TTS 0.6B для синтеза речи на сунданском языке. Модель построена на архитектуре Qwen3-TTS и предназначена для преобразования текста в речь с использованием голоса `sunda_speaker`; при обучении использовался датасет OpenSLR SLR44 с женским голосом, полученным из Mozilla Common Voice.

Модель содержит 0,6 млрд параметров и распространяется в формате safetensors. Она подходит для озвучивания сунданского текста и создания речевых образцов фиксированным голосом. Базовая модель также поддерживает синтез речи и клонирование голоса по аудиопримеру, однако карточка этого дообученного варианта описывает только синтез заданным голосом. Лицензия — Apache-2.0.

Сценарии применения

  • озвучивание текста на сунданском языке
  • создание голосовых объявлений на сунданском
  • генерация речевых образцов сунданского языка
  • подготовка аудиоверсий сунданских учебных материалов

Ограничения

Обучение проводилось на данных одного женского голоса, поэтому выбор голосов ограничен. В примере использования указан идентификатор другой модели (`alkhrzmy/qwen3-tts-0.6b-indonesian`), что может потребовать проверки перед запуском.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sundanese Fine-Tuned Qwen3-TTS

Fine-tuned Qwen3-TTS 0.6B for Sundanese (Sunda) voice synthesis using OpenSLR SLR44 dataset.

Model Details

  • Base Model: Qwen/Qwen3-TTS-12Hz-0.6B-Base
  • Language: Sundanese (su)
  • Dataset: OpenSLR SLR44 - Female voice only
  • Source: Mozilla Common Voice - Sundanese Female
  • Training: 4 epochs, lr=1e-6, batch_size=2
  • Speaker: sunda_speaker

Usage

from qwen_tts import Qwen3TTSModel
import soundfile as sf

model = Qwen3TTSModel.from_pretrained("alkhrzmy/qwen3-tts-0.6b-indonesian")
wavs, sr = model.generate_custom_voice(
    text="Selamat pagi, ini uji coba suara Indonesia.",
    language="auto",
    speaker="sunda_speaker"
)
sf.write("output.wav", wavs[0], sr)

Training Data Citation

@inproceedings{kjartansson-etal-tts-sltu2018,
    title = {{A Step-by-Step Process for Building TTS Voices Using Open Source Data and Framework for Bangla, Javanese, Khmer, Nepali, Sinhala, and Sundanese}},
    author = {Keshan Sodimana and Knot Pipatsrisawat and Linne Ha and Martin Jansche and Oddur Kjartansson and Pasindu De Silva and Supheakmungkol Sarin},
    booktitle = {Proc. The 6th Intl. Workshop on Spoken Language Technologies for Under-Resourced Languages (SLTU)},
    year  = {2018},
    address = {Gurugram, India},
    month = aug,
    pages = {66--70},
    URL   = {http://dx.doi.org/10.21437/SLTU.2018-14}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3TTSForConditionalGeneration
Ревизия весов
ab594d8

0 моделей