Характеристики

Контекст: 131 072 токена
Лицензия: Apache 2.0
Архитектура: qwen3_tts · dense
Базовая модель: Qwen3-TTS-12Hz-1.7B-Base
Библиотека: mlx
Опубликована: 20 июн 2026

Ссылки

Hugging Face

Qwen3-TTS-12Hz-1.7B-Base-MLX-bf16

aufklarer

Синтез речиТекст → аудио3 профессии

MLX-конверсия базовой Qwen3-TTS на 1,7 млрд параметров для синтеза речи из текста на Apple Silicon.

109скачиваний за 30 дней0лайковвеса обновлены21 июн 2026

Бенчмарки

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

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

aufklarer/Qwen3-TTS-12Hz-1.7B-Base-MLX-bf16 — конверсия базовой модели Qwen/Qwen3-TTS-12Hz-1.7B-Base в формат MLX для запуска на Apple Silicon. Это плотная архитектура Qwen3-TTS с трансформером Talker, Code Predictor и декодером речевого токенизатора; модель содержит 1,7 млрд параметров и использует bf16 без квантизации. Она синтезирует речь по тексту с частотой дискретизации 24 кГц и кодеком 12,5 Гц; README приводит пример использования через модуль Qwen3TTS библиотеки speech-swift.

Модель предназначена для локального синтеза речи на устройствах Apple Silicon. В README для bf16 указаны скорость RTF 0,48 и пиковое потребление памяти 4,1 ГиБ; оценка WER 7,05% получена на 15 фразах при обратной транскрипции с помощью Qwen3-ASR и отражает совместную работу синтеза и распознавания. Карточка не описывает клонирование голоса для этого репозитория. Метаданные связывают базовую модель с английским, китайским, японским, корейским, французским, немецким и испанским языками. Лицензия — Apache-2.0.

Сценарии применения

локальный синтез речи из текста на Mac с Apple Silicon
озвучивание коротких фраз и сообщений
встраивание синтеза речи в приложения на speech-swift

Ограничения

Для запуска в bf16 README указывает пиковое потребление памяти 4,1 ГиБ; модель ориентирована на Apple Silicon и формат MLX. Оценка WER приведена для небольшой выборки и включает ошибку системы распознавания Qwen3-ASR.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3 TTS 12Hz 1.7B Base — MLX bf16

Full-precision bf16 (non-quantized) MLX conversion of Qwen/Qwen3-TTS-12Hz-1.7B-Base for Apple Silicon inference — the highest-quality 1.7B variant.

Usage

Used by speech-swift Qwen3TTS module:

let model = try await Qwen3TTSModel.fromPretrained(
    modelId: "aufklarer/Qwen3-TTS-12Hz-1.7B-Base-MLX-bf16"
)
let audio = try model.synthesize("Hello, world!")

audio speak "Hello, world!" --model 1.7b -o output.wav

Model Details

Architecture: Qwen3-TTS (Talker transformer + Code Predictor + speech tokenizer decoder)
Parameters: 1.7B
Precision: bf16 / fp16 — no quantization (plain Linear weights)
Size: ~3.7 GB
Sample rate: 24 kHz
Codec rate: 12.5 Hz

Performance

Apple Silicon (M-series), MLX, 1.7B variants:

Precision	RTF	Peak RAM	Notes
8-bit	0.39	2.8 GiB	good
bf16	0.48	4.1 GiB	best quality

Round-trip WER (synthesize → Qwen3-ASR transcribe → WER), 15 sentences: 7.05 % (TTS + ASR round-trip; 0 synthesis failures).

Variants

Variant	Precision	Size	Model ID
0.6B 8-bit	8-bit	~1.3 GB	aufklarer/Qwen3-TTS-12Hz-0.6B-Base-MLX-8bit
1.7B 8-bit	8-bit	~2.8 GB	aufklarer/Qwen3-TTS-12Hz-1.7B-Base-MLX-8bit
1.7B bf16	bf16	~3.7 GB	aufklarer/Qwen3-TTS-12Hz-1.7B-Base-MLX-bf16

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: b8d1556