归档 / 2026-05-30 / Qwen3-TTS-12Hz-1.7B-CustomVoice (Qwen)

Qwen3-TTS-12Hz-1.7B-CustomVoice (Qwen)

指令式多语言TTS，流式延迟低至97ms，9音色

部署

pip pip install qwen-tts && python -c 'from qwen_tts import Qwen3TTSModel; model=Qwen3TTSModel.from_pretrained("Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice", device_map="cuda:0")'
py qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --ip 0.0.0.0 --port 8000
py modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --local_dir ./local_model

入选理由: Qwen3-TTS新增指令控制与低延迟流式生成，通过pip/DashScope即可试用，性能领先，但社区第三方验证尚缺。
对位: 对位 CosyVoice3、Spark-TTS 等开源指令TTS
适合: 低延迟实时语音交互（端到端97ms） / 多语言指令式配音（9音色，10语种）
不适合: 需语音克隆的场景（应使用Base模型）
规模: 1.7B · 未公开 · Q4 ~1.3GB / FP16 ~4.6GB
授权: Apache-2.0 · 需自查
框架: transformers / vllm-omni
可信度: HF下载182万，点赞1.5k，vLLM-Omni day-0支持，含多项基准数据

评分详情

Q1: 今天能接上用吗 5 / 5
Q2: 有可信证据吗 3 / 5
Q3: 是新东西吗 5 / 5
总分: 13

HuggingFace 原始数据 (抓取于 2026-05-30)

作者: Qwen
任务类型: text-to-speech
推理库: 未指定
下载: 1,821,209
点赞: 1,548
许可证: Apache-2.0
标签: safetensors, qwen3_tts, text-to-speech, arxiv:2601.15621, license:apache-2.0, region:us

探索