/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
2,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_tts · dense
Библиотека
mlx-audio
Опубликована
22 янв 2026

Qwen3-TTS-12Hz-0.6B-CustomVoice-bf16

Синтез речиТекст → аудио3 профессии

mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-bf16 — модель синтеза речи, преобразованная в формат MLX из Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice с помощью mlx-audio версии 0.3.0.

1 701скачиваний за 30 дней2лайкавеса 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

Разработчик исходной модели — команда Qwen; данная версия опубликована сообществом mlx-community.

Модель предназначена для преобразования текста в аудио и поддерживает сценарии генерации речи с использованием пользовательского или референсного голоса. Её можно запускать через библиотеку mlx-audio, в том числе передавая текст и путь к аудиофайлу для настройки голоса. Модель имеет размер 0.6B параметров, формат bf16 и ориентирована на выполнение в экосистеме MLX. В README указана частота 12Hz в названии модели, однако сведения о поддерживаемых языках, максимальной длине контекста, точной архитектуре и перечне голосовых возможностей отсутствуют.

Сильной стороной модели является адаптация для MLX и возможность локальной генерации речи с пользовательским голосом через готовый интерфейс mlx-audio. Ограничения и качество по языкам, тембру, выразительности, скорости и требованиям к оборудованию в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

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

mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-bf16

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-bf16 --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-bf16")
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.

Класс архитектуры
Qwen3TTSForConditionalGeneration
Ревизия весов
6415d95

0 моделей