/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_omni_moe · dense
Библиотека
mynahokkien
Опубликована
21 июл 2026

Myna-Hokkien

Обработка аудиоАудио → аудио3 профессии

Разговорная речевая модель iNLP Lab для диалогов на хоккиенском языке с речевым вводом и речевым ответом.

29скачиваний за 30 дней14лайковвеса обновлены11 авг 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

Myna-Hokkien — открытая разговорная речевая модель iNLP Lab при SUTD для общения на хоккиенском языке. Она принимает речь на вход и отвечает сгенерированной речью без промежуточного преобразования в текст; также поддерживает текстовый ввод и вывод. В этой версии модель ориентирована прежде всего на сингапурский акцент хоккиенского. Архитектура основана на Qwen3-Omni, веса опубликованы в формате safetensors.

Модель предназначена для голосовых диалогов, вопросов и инструкций на хоккиенском. Лицензия Apache 2.0. В карточке не приведены размер модели и длина контекста; качество для других разновидностей хоккиенского не описано.

Сценарии применения

  • голосовые диалоги на сингапурском хоккиенском
  • ответы на вопросы, заданные на хоккиенском
  • выполнение инструкций на хоккиенском в голосовом интерфейсе
  • текстовые запросы к ассистенту на хоккиенском

Ограничения

Выпуск ориентирован прежде всего на сингапурский акцент, поэтому качество для других разновидностей хоккиенского не установлено. Размер модели и длина контекста в предоставленных материалах не описаны.

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

Myna-Hokkien

Myna-Hokkien is an open-source end-to-end conversational speech model for Singapore Hokkien. Users speak to the model in Hokkien and the model replies in natural-sounding Hokkien speech - no text round-trip required, though text input/output is also supported.

Hokkien is the native language of tens of millions of speakers across Asia, yet it remains almost entirely absent from mainstream speech AI: no existing omni-style model (either open or closed) natively supports Hokkien. Myna-Hokkien is an attempt to close that gap, and to leave behind a reusable recipe for other low-resource language communities to do the same.

Proudly built by iNLP Lab at SUTD.

Model Details

  • Languages: Hokkien / Minnan (闽南语), primarily Singapore-accent in this release
  • Modalities: Audio in → Audio out: full spoken dialogue, text input/output also supported
  • Architecture: Qwen3-Omni
  • License: Apache 2.0

Demo Samples

Examples showcasing the model's Hokkien understanding & generation capabilities.

InputMyna-HokkienGPT AudioQwen3.5-Omni-PlusGemini LiveGLM-4-Voice
How is the weather today?
我今天心情有点不好。

Installation

Download Myna-Hokkien into the standard Hugging Face cache, then install the included inference runtime:

pip install --upgrade huggingface_hub

MODEL_DIR="$(hf download iNLP-Lab/Myna-Hokkien --quiet)"
pip install "$MODEL_DIR"

Basic usage — spoken question

import torch
import soundfile as sf
from mynahokkien import MynaHokkien

model = MynaHokkien.from_pretrained(
    "iNLP-Lab/Myna-Hokkien",
    device_map="cuda:0",
    dtype=torch.float16,
)

output = model.generate(
    audio="question.wav",
    language="nan",
    return_text=True,
    return_audio=True,
)

print(output.text)
sf.write("output.wav", output.audio, output.sampling_rate)

Text-query usage

Text is treated as a question or instruction to the Hokkien assistant; it is not treated as a TTS transcript.

output = model.generate(
    text="講一個新加坡福建話的笑話。",
    language="nan",
)
sf.write("output.wav", output.audio, output.sampling_rate)
print(output.text)

Exactly one of audio= and text= must be supplied. This release currently supports language="nan" and the Ethan voice.

To return only one modality:

text_only = model.generate(text="你會曉講福建話無?", return_text=True, return_audio=False)
audio_only = model.generate(text="講一句歡迎詞。", return_text=False, return_audio=True)

Prompt behavior

If prompt= is omitted for audio input, Myna-Hokkien uses this built-in prompt:

Listen to the spoken Hokkien and reply naturally in concise Singapore Hokkien. Always answer in colloquial Singapore Hokkien written in Hanji. Never answer in Mandarin or English. Do not repeat or transcribe the input; respond to it directly.

To override it, pass a different instruction through prompt=:

output = model.generate(
    audio="question.wav",
    prompt="Listen to this audio and reply naturally in Singaporean Hokkien.",
    language="nan",
)

For text input, put the instruction directly in text=.

Citation

@misc{myna-hokkien-2026,
  title  = {Myna-Hokkien: An Open-Source End-to-End Hokkien Spoken Dialogue Model},
  author = {Matthew Christopher Pohadi and Ryner Tan and Wenxuan Zhang},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/iNLP-Lab/Myna-Hokkien}}

Contact & collaboration

This is an active, ongoing project — we're continuing to improve accent coverage, prosody, and expressiveness. We'd love to hear from you if you want to collaborate, have feedback, or run into issues: Wenxuan Zhang.

Как запустить

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

GPU в ailist

Универсальный рантайм · mynahokkien

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Класс архитектуры
Qwen3OmniMoeForConditionalGeneration
Ревизия весов
7d21d52

0 моделей