콘텐츠로 이동
Search

Qwen3-TTS

lastmod 2026-11-16created 2026-01-263 edits

Qwen3-TTS는 Alibaba 의 Qwen 팀이 2026년 1월 공개한 음성 합성(TTS) 모델 계열이다. 정해진 화자 음성으로 읽기, 문장으로 묘사한 목소리 만들기(voice design), 3초 분량 음성으로 목소리 복제(voice clone)를 각각 맡는 모델을 0.6B·1.7B 크기로 내놓았다. 음성을 초당 12프레임 코드로 바꾸는 자체 토크나이저와 멀티 코드북 언어 모델로, LM 뒤에 DiT 를 붙이는 기존 구조 없이 음성을 바로 생성한다.

About

  • 공개 모델: Qwen3-TTS-12Hz-1.7B-VoiceDesign, 1.7B-CustomVoice, 1.7B-Base, 0.6B-CustomVoice, 0.6B-Base, 그리고 Qwen3-TTS-Tokenizer-12Hz
  • CustomVoice 는 성별·나이·언어·방언을 조합한 기본 음색 9종을 제공하고, 1.7B 는 지시문으로 말투를 조절함. Base 는 3초 음성 복제와 파인튜닝용
  • 중국어, 영어, 일본어, 한국어, 독일어, 프랑스어, 러시아어, 포르투갈어, 스페인어, 이탈리아어 10개 언어와 여러 방언 음색 지원
  • Dual-Track 스트리밍 구조로 한 모델이 스트리밍과 비스트리밍 생성을 모두 함. 글자 하나만 들어와도 첫 오디오 패킷을 내보내며 종단 지연은 최저 97ms
  • Seed-TTS 테스트셋 제로샷 WER 은 12Hz-1.7B-Base 기준 test-zh 0.77, test-en 1.24
  • pip install qwen-tts 패키지의 Qwen3TTSModel 로 쓰고, vLLM-Omni 가 출시일부터 오프라인 추론을 지원함. Alibaba Cloud DashScope API 로도 제공
  • Apache-2.0 라이선스

See also

Favorite site

author Zer0, MCPBot sitemap