Qwen3-TTS-12Hz-1.7B-CustomVoice
Alibaba · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 7e sur 16 en prononciation du français.
Présentation
Modèle de synthèse vocale à poids ouverts d'Alibaba (Qwen) qui propose 9 timbres prédéfinis dont on règle le style par instructions en langage naturel. Il s'appuie sur le tokenizer Qwen3-TTS-Tokenizer-12Hz et génère en streaming, avec une latence de bout en bout annoncée à partir de 97 ms. Lu sur huggingface.co, raw.githubusercontent.com, le 17/10/2026.
- Sortie
- 22 janvier 2026 lu sur la page de l'éditeur
- Taille
- 1,9 milliard de paramètres selon Open TTS Leaderboard
Langues
- Annoncées par l'éditeur : 10 langues, dont le français (zh, en, ja, ko, de, fr, ru, pt, es, it). Lu sur huggingface.co.
- Prises en charge selon Open TTS Leaderboard : 10 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 7e sur 16 en prononciation du français (5,94 %).
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
7e sur 16taux d'erreur par mot 5,94 %
Vitesse : RTFx 13 : produit 13 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, Fun-CosyVoice 3.0 (6e, 5,79 %) · derrière, MOSS-TTS (8e, 6,11 %)
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-TTS-12Hz-1.7B-CustomVoice - 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-TTS-12Hz-1.7B-CustomVoice/raw/main/README.md (« Provides style control over target timbres via user instructions; supports 9 premium timbres covering various combinations of gender, age, language, and dialect. »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice/raw/main/README.md (« with end-to-end synthesis latency as low as 97ms »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice/raw/main/README.md (« Qwen3-TTS covers 10 major languages (Chinese, English, Japanese, Korean, German, French, Russian, Portuguese, Spanish, and Italian) »), 17/10/2026
- https://raw.githubusercontent.com/QwenLM/Qwen3-TTS/main/README.md (« 2026.1.22: 🎉🎉🎉 We have released [Qwen3-TTS](https://huggingface.co/collections/Qwen/qwen3-tts) series (0.6B/1.7B) based on Qwen3-TTS-Tokenizer-12Hz. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.