Qwen3-TTS-12Hz-1.7B-Base: клонирование голоса, старший checkpoint

Официальная таблица выпуска отличает 1.7B Base от 0.6B Base по размеру и от CustomVoice по режиму. В Base пользователь передаёт собственный голосовой референс, а модель генерирует новую фразу. Для оценки качества не следует брать только демонстрационный аудиофайл разработчика: запишите с согласия несколько коротких фрагментов в разной акустике, выберите один и сохраните его неизменным при сравнении. Тестовый текст должен включать обычные слова, числа и хотя бы одно редкое имя. Если результат похож на диктора, но заменяет число или проглатывает отрицание, запись нельзя использовать как рабочую. Возможность fine-tuning, указанная в карточке, не означает, что дообучение необходимо каждому пользователю; оно повышает сложность и вопросы хранения данных.

HF указывает Apache-2.0 для опубликованного checkpoint. Это условие о весах, а не согласие человека на синтез его речи. Для редакционной озвучки нужно документировать, кто предоставил образец и на какой способ использования он согласился; не следует моделировать голоса третьих лиц для имитации заявления. Русский поддерживается на уровне перечня языков семейства, однако собственная проверка необходима для имён, аббревиатур и эмоциональной окраски. При самостоятельном запуске зафиксируйте ID, hash версии, текст, референс и параметры декодирования. Код локального примера не подтверждает ни официальную облачную доступность конкретных весов, ни цену, ни доступность из определённой страны.