Qwen3-TTS-12Hz-0.6B-CustomVoice: готовые голоса для tts

CustomVoice решает более узкую задачу, чем Base: в официальном примере передаются текст, язык, имя встроенного speaker и необязательная инструкция по эмоциональной подаче. Не требуется загружать аудиозапись человека для выбора одного из девяти голосов. Это полезно для прототипа уведомлений, где команда хочет быстро сменить тембр и не хранить личные речевые данные. Однако таблица спикеров имеет графу native language, и разработчик рекомендует именно родной язык голоса ради качества. При русской озвучке следует отдельно слушать ударения, падежные окончания, номера заказов и паузы. Наличие языка в общей таблице поддержки не равно наличию специально обученного русского персонажа. Фиксируйте выбранный speaker, текст и версию весов, иначе сравнение версий будет нечестным.

В карточке 0.6B CustomVoice сказано о девяти тембрах и fine-grained style control; пример instruct задаёт эмоциональную манеру. Для продуктовой записи это приглашение к тесту, не гарантия точного актёрского исполнения одной фразой. Попросите произнести одну и ту же реплику спокойно и срочно, затем проверьте разборчивость и не меняет ли экспрессия смысл. Модель синтезирует речь, но не распознаёт голос и не подтверждает личность. Веса опубликованы под Apache-2.0; публичный API для exact ID и тариф карточка не удостоверяет. Перед публикацией синтетического объявления нужны вычитка текста, прослушивание финального файла и понятная маркировка происхождения там, где это существенно для аудитории.