/ Модель

Характеристики

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

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

Синтез речиТекст → аудио3 профессии

MLX-конверсия 0,6-миллиардной модели Qwen3-TTS для локального синтеза речи из текста и клонирования голоса.

261скачиваний за 30 дней2лайкавеса обновлены18 июл 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

Qwen3-TTS-12Hz-0.6B-Base-bf16 — модель синтеза речи, конвертированная пользователем theoracleguy из исходной Qwen/Qwen3-TTS-12Hz-0.6B-Base в формат MLX с помощью библиотеки mlx-audio версии 0.3.0. Модель имеет размер 0,6 млрд параметров согласно идентификатору и предназначена для локального запуска в экосистеме MLX.

Модель преобразует текст в речь и поддерживает сценарии генерации голоса, включая клонирование голоса с использованием референсного аудиофайла. Она может применяться через mlx-audio, а также совместимые локальные приложения, например OpenVox, и интегрироваться с их API и MCP-интерфейсами. В метаданных указан pipeline-тег text-to-speech и библиотека mlx-audio.

Модель распространяется по лицензии Apache-2.0. Для клонирования голоса требуется референсная аудиозапись, а фактические возможности и качество зависят от исходной модели Qwen3-TTS, выбранного рабочего процесса и совместимости окружения MLX. Поддерживаемые языки и длина контекста в доступных материалах не указаны.

Сценарии применения

  • озвучивание текста в локальном приложении
  • генерация речи для голосовых интерфейсов
  • клонирование голоса по референсной аудиозаписи
  • создание аудиоверсий контента
  • локальный запуск TTS на устройствах Apple с MLX

Ограничения

Для клонирования голоса требуется референсная аудиозапись; качество и доступные функции зависят от исходной модели, рабочего процесса и совместимости с MLX. Поддерживаемые естественные языки и длина контекста в доступных материалах не указаны.

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

theoracleguy/Qwen3-TTS-12Hz-0.6B-Base-bf16

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

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

Use with OpenVox

This model can also be used with OpenVox, a desktop application for running compatible AI voice and text-to-speech models locally through a graphical interface.

After the required model files are downloaded, compatible workflows can run locally and can also be accessed through OpenVox API and MCP integrations.

Available features depend on the capabilities of the selected model. OpenVox is a third-party application and is not affiliated with or endorsed by the original model authors or maintainers.

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-Base-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-Base-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
980a0a0

0 моделей