/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
MIT
Архитектура
qwen3_tts · dense
Базовая модель
Qwen3-TTS-12Hz-0.6B-Base
Опубликована
26 сен 2026

Qwen3-TTS-12Hz-0.6B-Nefer-LoRa-32

Синтез речиТекст → аудио3 профессии

LoRA-адаптер Qwen3-TTS для синтеза английской речи голосом Нефер из Genshin Impact.

107скачиваний за 30 дней0лайковвеса обновлены28 сен 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

Nefer — LoRA-адаптер для Qwen3-TTS-12Hz-0.6B-Base, созданный сообществом для синтеза английской речи голосом Нефер из Genshin Impact. Вариант с полным чекпойнтом из репозитория не требует референсного аудио: голосовой образ персонажа заложен в весах. При подключении папки adapter/ к базовой модели требуется аудиопример голоса.

Модель предназначена для озвучивания английского текста и фанатских голосовых демонстраций персонажа. Архитектура — Qwen3-TTS с плотной моделью на 0,6 млрд параметров; базовая модель мультиязычная, но этот адаптер рассчитан только на английский. Лицензия репозитория — MIT. Это неофициальная фанатская работа, не связанная с HoYoverse и не одобренная компанией.

Сценарии применения

  • озвучивание английского текста голосом Нефер
  • создание фанатских реплик персонажа
  • генерация английских голосовых демонстраций без референсного аудио с полным чекпойнтом
  • синтез речи с аудиопримером при использовании адаптера с базовой моделью

Ограничения

Адаптер рассчитан только на английский язык. При использовании отдельно папки adapter/ вместе с базовой моделью нужен аудиопример персонажа; полный чекпойнт из репозитория работает без него.

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

Nefer — Qwen3-TTS-0.6B LoRA Model

A Qwen3-TTS LoRA fine-tune that reproduces Nefer's voice (English Only) from Genshin Impact.

[!IMPORTANT] Fan-made model. Nefer and Genshin Impact are © miHoYo / HoYoverse. This model is a non-official fan work for research/education purposes and is not affiliated with or endorsed by HoYoverse.

Model Description

This is a LoRA adapter fine-tune of Qwen/Qwen3-TTS-12Hz-0.6B-Base aimed at reproducing the voice of Nefer (Genshin Impact).

Two ways to use it:

RouteWhat you needReference audio?
A. Fine-tuned checkpoint + adapter (this repo, root)The full model in this repo❌ Not needed — the character's reference audio is baked into the state dict during training
B. Base model + adapterQwen/Qwen3-TTS + this repo's adapter/ folder✅ Required — pass any example clip of the character

Checkout the training code at:

Why LoRA when One Shot Cloning exists? because "Better Quality"

Quickstart

Installation

pip install -U qwen-tts

hf download rijulpaul/Qwen3-TTS-12Hz-0.6B-Nefer-LoRa-32 --exclude "training-checkpoint/" --exclude "speech_tokenizer/" --local-dir Nefer-LoRA-32

Usage

  1. Using Model provided with this repo
import torch
import soundfile as sf
from qwen_tts import Qwen3TTSModel

device = "cuda:0"
tts = Qwen3TTSModel.from_pretrained(
    "./Nefer-LoRA-32",
    device_map=device,
    dtype=torch.bfloat16,
    attn_implementation="flash_attention_2", # use sdpa if flash-attn is not installed
)

from peft import PeftModel

tts.model = PeftModel.from_pretrained(
    tts.model,
    "./Nefer-LoRA-32/adapter"
)

wav, sr = tts.generate_custom_voice(
    text = "Please stop being so... nauseatingly friendly. It's creeping me out.",
    speaker = "Nefer"
)

sf.write("output.wav", wavs[0], sr)
  1. Using the Base Qwen/Qwen3-TTS-12Hz-0.6B model
import torch
import soundfile as sf
from qwen_tts import Qwen3TTSModel

tts = Qwen3TTSModel.from_pretrained(
    "Qwen/Qwen3-TTS-12Hz-0.6B-Base",
    device_map="cuda:0",
    dtype=torch.bfloat16,
    attn_implementation="flash_attention_2", # use sdpa if flash-attn is not installed
)

from peft import PeftModel

tts.model = PeftModel.from_pretrained(
    tts.model,
    "./Nefer-LoRA-32/adapter"
)

ref_audio = "path_to_Nefer_voiceline"   # Can see https://huggingface.co/datasets/rijulpaul/pano30qx/viewer/Nefer
ref_text  = "voiceline_transcription"

wavs, sr = model.generate_voice_clone(
    text="I am solving the equation: x = [-b ± √(b²-4ac)] / 2a? Nobody can — it's a disaster (◍•͈⌔•͈◍), very sad!",
    language="English",
    ref_audio=ref_audio,
    ref_text=ref_text,
)

# Save the resulting audio
sf.write("output_voice_clone.wav", wavs[0], sr)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Класс архитектуры
Qwen3TTSForConditionalGeneration
Ревизия весов
20a5601

0 моделей