/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
4,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_tts · dense
Библиотека
mlx-audio
Опубликована
30 авг 2026

Qwen3-TTS-12Hz-1.7B-Base-bf16

Синтез речиТекст → аудио3 профессии

MLX-версия модели Qwen3-TTS на 1,7 млрд параметров для локального синтеза речи и клонирования голоса.

709скачиваний за 30 дней0лайковвеса обновлены31 авг 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-1.7B-Base-bf16 — версия базовой модели Qwen3-TTS-12Hz-1.7B-Base в формате MLX BF16, подготовленная пользователем theoracleguy для OpenVox и приложений на базе mlx-audio. Исходная модель разработана командой Qwen, а конвертация выполнена с использованием mlx-audio 0.3.0.

Модель предназначена для синтеза речи по тексту и клонирования голоса по референсной аудиозаписи. Её можно применять для локальной генерации аудио, создания аудиокниг, озвучивания и дубляжа. Модель рассчитана на запуск через mlx-audio, в том числе в нативных приложениях для Apple Silicon, без передачи текста или аудио в облачные сервисы.

Ключевая характеристика модели — размер 1,7 млрд параметров и представление BF16 в формате MLX. Лицензия модели — Apache-2.0. В README не приведены точные сведения о поддерживаемых естественных языках, размере контекста и качестве синтеза; совместимость и возможности могут зависеть от mlx-audio и аппаратной платформы.

Сценарии применения

  • синтез речи по тексту
  • клонирование голоса по референсной аудиозаписи
  • создание аудиокниг
  • озвучивание текстов
  • локальный дубляж аудио
  • генерация речи на Apple Silicon

Ограничения

Модель представлена в формате MLX и предназначена для использования с mlx-audio, поэтому её применение ориентировано на совместимую среду, включая Apple Silicon. Поддерживаемые языки, размер контекста и количественные показатели качества в предоставленных данных не описаны.

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

Qwen3-TTS-12Hz-1.7B-Base-bf16

This is an MLX BF16 version of Qwen/Qwen3-TTS-12Hz-1.7B-Base, prepared for use with OpenVox and other applications built on mlx-audio.

The model was converted to MLX format using mlx-audio 0.3.0.

For architecture details, supported features, licensing information, and other model-specific information, refer to the original Qwen model card.

OpenVox

This model is provided for use with OpenVox, a native macOS application for local AI speech generation, voice cloning, audiobooks, transcription, dubbing, and other audio workflows.

OpenVox runs supported AI models locally on Apple Silicon Macs, allowing speech generation and voice cloning without requiring audio or text to be uploaded to a cloud speech service.

Use with mlx-audio

Install or update mlx-audio:

pip install -U mlx-audio

CLI Example

python -m mlx_audio.tts.generate \
  --model theoracleguy/Qwen3-TTS-12Hz-1.7B-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(
    "theoracleguy/Qwen3-TTS-12Hz-1.7B-Base-bf16"
)

generate_audio(
    model=model,
    text="Hello, this is a test.",
    ref_audio="path_to_audio.wav",
    file_prefix="test_audio",
)

Credits

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
1541b10

0 моделей