Характеристики

Контекст: 131 072 токена
Размер весов: 1 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_tts · dense
Библиотека: mlx-audio
Опубликована: 22 янв 2026

Ссылки

Qwen3-TTS-12Hz-0.6B-CustomVoice-4bit

Синтез речиТекст → аудио3 профессии

Qwen3-TTS-12Hz-0.6B-CustomVoice-4bit — модель синтеза речи, разработанная сообществом mlx-community и конвертированная из Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice в формат MLX с использованием mlx-audio 0.3.0.

1 445скачиваний за 30 дней0лайковвеса обновлены25 янв 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

Модель предназначена для генерации речи по тексту и поддерживает сценарии, связанные с пользовательскими голосами и клонированием голоса по эталонной аудиозаписи.

Известно, что модель имеет размер 0.6B параметров, работает в 4-битном представлении и использует частоту дискретизации 12 Hz, однако подробности архитектуры, поддерживаемые языки и максимальная длина контекста в README не указаны. Для работы используется библиотека mlx-audio; приведённые примеры показывают генерацию аудио из текста с возможностью передать путь к референсной аудиозаписи.

К сильным сторонам относятся компактный размер, 4-битная квантизация и адаптация к MLX, что может быть удобно для запуска в соответствующей экосистеме. Ограничения, качество синтеза, требования к оборудованию и точный набор поддерживаемых функций следует уточнять в оригинальной карточке модели. Лицензия — Apache-2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-4bit

This model was converted to MLX format from Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice using mlx-audio version 0.3.0.

Refer to the original model card for more details on the model.

Use with mlx-audio

pip install -U mlx-audio

CLI Example:

python -m mlx_audio.tts.generate --model mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-4bit --text "Hello, this is a test."

Python Example:

from mlx_audio.tts.utils import load_model
from mlx_audio.tts.generate import generate_audio

model = load_model("mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-4bit")
generate_audio(
    model=model,
    text="Hello, this is a test.",
    ref_audio="path_to_audio.wav",
    file_prefix="test_audio",
)

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры: Qwen3TTSForConditionalGeneration
Ревизия весов: 08c72ca