Qwen3-TTS · Issues· 55 开放

[商业用途说明] 预设语音 Sohee 的输出是否可用于付费 YouTube 视频?

调整损失与生成不一致（双重移位 + 丢失子信号隐藏） — 请合并 #278

是否有计划发布 25Hz TTS 模型？

微调后的 1.7B 语音: 短语/开场语不稳定(音色错误,偶尔会发生性别转换),而长语句则稳定

25Hz 分词器: qkv_attention_manual 从不对填充的关键字进行掩码处理 (bool masked_fill),短注意力窗口会产生错误的输出

不支持多并发推理

在 Papers with Code 上验证评估

finetuning/sft_12hz.py: 检查点保存不原子化（可能会默默地保留基础权重），在主机 RAM 中的模型大小达到 2 倍时达到峰值

微调 Qwen3-TTS-12Hz-1.7B-Base 适用于孟加拉语:外国/印度语口音偏向和缺乏自然性

AMD MI300X - Qwen/Qwen3-TTS-12Hz-1.7B-Base - 语音克隆段错误 (核心已转储)

语音克隆 (ICL) 生成会在请求的文本之前回放参考音频的尾部

功能请求: 原生意大利语预设语音 (男性 + 女性)

通过微调基础结果,每个训练周期的语音速度都会逐渐提高

talker_hidden_states 没有正确获取

用于日语和韩语的音频不完整。