/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_tts · dense
Базовая модель
Qwen3-TTS-12Hz-1.7B-Base
Опубликована
8 мар 2026

Egy_Arabic_Qwen3-TTS-12Hz-1.7B-Base

Синтез речиТекст → аудио3 профессии

Дообученная Qwen3-TTS модель для естественного синтеза разговорной речи на египетском арабском диалекте.

212скачиваний за 30 дней4лайкавеса обновлены10 мар 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

Модель itshamdi404/Egy_Arabic_Qwen3-TTS-12Hz-1.7B-Base — дообученная Hamdi Mohamed модель Qwen3-TTS-12Hz-1.7B-Base для синтеза речи на египетском арабском диалекте (масри). Она преобразует текст в речь с разговорным произношением, интонацией и ритмом, характерными для египетского арабского. В основе лежит плотная Transformer TTS архитектура Qwen3-TTS; модель распространяется в формате safetensors. Дообучение проводилось на примерно 90 часах чистой речи из египетских источников.

Модель предназначена для создания озвучки и разговорной речи на египетском арабском. По заявлению автора, она сохраняет многоязычные возможности исходной модели, однако основной специализацией является масри. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • озвучивание текстов на египетском арабском
  • создание разговорной аудиоозвучки на масри
  • синтез речи для египетских диалоговых приложений

Ограничения

Модель может хуже работать с другими арабскими диалектами, редкой лексикой и региональными вариантами египетского арабского. Доступен один египетский голос; качество может снижаться на длинных и сложных предложениях.

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

Egyptian Arabic Qwen3-TTS — Custom Voice

A fine-tuned Qwen3-TTS 1.7B model specialized in generating Egyptian Arabic (Masri) speech with a natural, conversational tone.

The model was trained on Egyptian Arabic speech data to better capture the dialectal prosody, pronunciation, and conversational rhythm that are not well represented in the base multilingual Qwen3-TTS model.


Model Details

PropertyValue
Base ModelQwen/Qwen3-TTS-12Hz-1.7B-Base
TaskText-to-Speech (Speech Synthesis)
ArchitectureTransformer TTS
Parameters1.7B
Speech Codec12Hz
Voice TypeCustom Voice
Speaker Nameegyptian_speaker
Primary LanguageEgyptian Arabic (عربي مصري)
Training Data~25 hours clean Egyptian speech

Motivation

While the base Qwen3-TTS model supports multiple languages, Egyptian Arabic dialect is significantly underrepresented. The base model produced speech that sounded foreign — with inconsistent pronunciation and an unnatural conversational rhythm for Egyptian dialect.

This fine-tune directly addresses those issues:

  • Natural Egyptian dialect pronunciation
  • Conversational prosody and tone
  • Clear, clean speech output
  • Retains the original model's multilingual capability

Example Usage

Installation

pip install qwen-tts soundfile torch

Basic Inference

from qwen_tts import Qwen3TTSModel
import soundfile as sf
import torch

model_id = "itshamdi404/Egy_Arabic_Qwen3-TTS-12Hz-1.7B-Base"

tts = Qwen3TTSModel.from_pretrained(
    model_id,
    device_map={"": 0},
    torch_dtype=torch.float16,
)

wavs, sr = tts.generate_custom_voice(
    text="إزيك يا صاحبي عامل إيه النهاردة",
    speaker="egyptian_speaker",
    language="auto",
)

sf.write("speech.wav", wavs[0], sr)

Optional Sampling Parameters

wavs, sr = tts.generate_custom_voice(
    text="النهاردة الجو جميل جدا في القاهرة",
    speaker="egyptian_speaker",
    language="auto",
    temperature=0.8,   # Controls variation (lower = more consistent)
    top_p=0.9,         # Nucleus sampling threshold
)

sf.write("speech.wav", wavs[0], sr)

Dataset

The model was fine-tuned on approximately 90 hours of clean Egyptian Arabic speech collected from real spoken Egyptian sources.

The dataset includes a variety of speakers and natural conversational language covering a wide range of topics.


Limitations

  • The model is specialized for Egyptian Arabic and may perform worse on other Arabic dialects.
  • Performance may degrade on:
    • Uncommon or rare vocabulary
    • Regional Egyptian sub-dialect variations
  • Only a single Egyptian speaker voice is currently available.
  • Like most TTS systems, performance may vary on very long or complex sentences.

Future Improvements

Possible future improvements include:

  • Adding more speaker voices and diversity
  • Training on larger Egyptian Arabic datasets
  • Improving robustness across regional Egyptian sub-dialects
  • Evaluating across multiple Arabic dialects

Author

Hamdi Mohamed — AI Engineer specializing in:

  • Large Language Models (LLMs)
  • Speech AI
  • Computer Vision

GitHub Hugging Face LinkedIn


Citation

If you use this model in your research or project, please cite:

@misc{hamdi2026egyptianqwen3tts,
  author    = {Hamdi Mohamed},
  title     = {Egyptian Arabic Qwen3-TTS: Fine-tuning Large TTS Models for Regional Dialects},
  year      = {2026},
  url       = {https://huggingface.co/itshamdi404/Egy_Arabic_Qwen3-TTS-12Hz-1.7B-Base}
}

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
54e5e8e

0 моделей