/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
MIT
Архитектура
qwen3_tts · dense
Базовая модель
Qwen3-TTS-12Hz-1.7B-Base
Библиотека
faster-qwen3-tts
Опубликована
4 апр 2026

Celune-1.7B-Calm

Синтез речиТекст → аудио3 профессии

Celune-1.7B-Calm — дообученная модель Qwen3-TTS для озвучивания текста одним мягким, спокойным голосом на нескольких языках.

75скачиваний за 30 дней1лайквеса обновлены5 апр 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

Celune-1.7B-Calm — односпикерная нейросетевая модель синтеза речи, созданная lunahr на основе дообучения Qwen/Qwen3-TTS-12Hz-1.7B-Base. Она преобразует текст в речь одним фиксированным голосом: мягким, спокойным, с ASMR-подобной подачей. Модель рассчитана на озвучивание персонажей, вспомогательный синтез речи, локальные голосовые системы и творческие проекты; стиль речи можно направлять текстовыми или инструктивными подсказками, сохраняя заданную голосовую идентичность.

Модель поддерживает английский и ещё девять языков, включая русский, китайский, японский, корейский, французский, немецкий, испанский, итальянский и португальский. Веса опубликованы в формате safetensors, для запуска указана библиотека faster-qwen3-tts. Лицензия — MIT.

Голос и его идентичность фиксированы обучающими данными, поэтому модель не предназначена для синтеза разными дикторами. Чрезмерно необычные инструкции могут сделать речь нестабильной; длинные фрагменты со смешением языков могут ухудшить результат. Для большей стабильности рекомендуется не смешивать языки в одном предложении и не использовать специальные токены или разметку в озвучиваемом тексте.

Сценарии применения

  • озвучивание персонажа спокойным мягким голосом
  • синтез речи для вспомогательных голосовых систем
  • локальная офлайн-озвучка текста
  • создание спокойных аудиоматериалов для расслабленного прослушивания
  • направление темпа и эмоциональной подачи речи текстовыми инструкциями

Ограничения

Модель использует один фиксированный голос и не предназначена для синтеза речи несколькими дикторами. Чрезмерные инструкции и длинные фрагменты со смешением языков могут ухудшить стабильность речи.

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

Celune - Calm

“It’s not just a TTS, it’s a character.”

Celune is a single-speaker neural TTS voice built on top of Qwen3-TTS. This model defines one identity, one voice, and one consistent speaking style.

Overview

  • Model: Qwen3-TTS-12Hz-1.7B-Base (finetuned)
  • Type: Single-speaker voice
  • Language: English + 9 others
  • Style: Soft, ASMR-like tone

This is part of the Celune voice lineup, where each model represents a distinct interpretation of the same character.

Voice Description

A soft and gentle voice with an ASMR-like quality, suited for relaxed listening and low-intensity speech.

Characteristics

  • Consistent timbre across generations
  • Expanded expressiveness beyond reference audio
  • Supports prompt-based tone steering
  • Stable pacing and pronunciation
  • Designed for real-time or near real-time usage

Usage

Basic Example

import numpy as np
import soundfile as sf
from faster_qwen3_tts import FasterQwen3TTS

model = FasterQwen3TTS.from_pretrained("lunahr/Celune-1.7B-Calm")

buffer = []
for audio_chunk, sr, timing in model.generate_custom_voice_streaming(
    text="Hello, this is Celune.",
    language="Auto",
    speaker="celune"
):
    buffer.append(audio_chunk)

wav = np.concatenate(buffer)
sf.write("output.wav", wav, 24000)

Sample Output

Prompt Steering

You can influence delivery style using text or instruct prompts:

Examples:

  • “whisper this softly”
  • “speak with excitement”
  • “calm and slow delivery”

The model will stay within the defined voice but expand expression.

Notes

  • This is a single-speaker model. It does not support multiple voices.
  • Voice identity is fixed and defined by training data.
  • Avoid mixing languages mid-sentence for best stability.
  • Avoid special tokens or markup in spoken text.

Intended Use

  • Character voices
  • Assistive TTS
  • Offline voice systems
  • Creative projects and prototyping

Limitations

  • Not designed for multi-speaker tasks
  • Extreme prompts may introduce instability
  • Long mixed-language inputs may degrade output

About Celune

Celune is a local-first TTS system focused on speed, control, and identity.

Each model in the Celune lineup is:

  • self-contained
  • stylistically distinct
  • built around the same core character concept

License

MIT and Qwen's Apache 2.0 license

Credits

Как запустить

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

GPU в ailist

Универсальный рантайм · faster-qwen3-tts

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3TTSForConditionalGeneration
Ревизия весов
b72a3f3

0 моделей