Qwen3-Omni-30B-A3B-Instruct
Alibaba · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 15e sur 16 en prononciation du français.
Présentation
Modèle omnimodal à poids ouverts d'Alibaba (Qwen) qui comprend texte, images, audio et vidéo et répond en texte ou en voix naturelle, en streaming temps réel. Cette version Instruct repose sur une architecture MoE en deux parties, Thinker et Talker. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 22 septembre 2025 lu sur la page de l'éditeur
- Taille
- 35,3 milliards de paramètres selon Open TTS Leaderboard
Langues
- Annoncées par l'éditeur : 10 langues en sortie vocale (19 en entrée vocale, 119 en texte), dont le français (en, zh, fr, de, ru, it, es, pt, ja, ko). Lu sur huggingface.co.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 15e sur 16 en prononciation du français (14,23 %).
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Prononciation du français
15e sur 16taux d'erreur par mot 14,23 %
Vitesse : RTFx 10 : produit 10 secondes d'audio par seconde de calculClonage de voix : non
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.
Modèles proches
- Prononciation du français : devant, Voxtral TTS (14e, 13,42 %) · derrière, chatterbox (16e, 16,34 %)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
Qwen/Qwen3-Omni-30B-A3B-Instruct - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct/raw/main/README.md (« It processes text, images, audio, and video, and delivers real-time streaming responses in both text and natural speech. »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct/raw/main/README.md (« MoE-based Thinker-Talker design with AuT pretraining for strong general representations »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct/raw/main/README.md (« Supports 119 text languages, 19 speech input languages, and 10 speech output languages. »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct/raw/main/README.md (« English, Chinese, French, German, Russian, Italian, Spanish, Portuguese, Japanese, Korean. »), 17/10/2026
- https://raw.githubusercontent.com/QwenLM/Qwen3-Omni/main/README.md (« 2025.09.22: 🎉🎉🎉 We have released [Qwen3-Omni] »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.