Qwen3-TTS 上架 SageMaker：几秒参考音频即可零训练克隆声音
AWS ML Blog · rss · 2026-09-26
AWS 宣布 Qwen3-TTS-12Hz-1.7B-Base 登陆 Amazon SageMaker JumpStart，可部署为托管实时推理端点，实现零训练语音克隆：仅需几秒参考录音加转写文本，即可用目标说话人的音色合成任意文本。
- 模型能力：覆盖中英日韩德法俄葡西意 10 种语言，支持跨语言克隆（保留说话人身份）与流式低延迟生成；另有固定音色的 CustomVoice 变体和 Qwen3-ASR-1.7B。
- 部署要点：单张 L4（ml.g6.4xlarge，24GB）即可跑 1.7B 模型；talker 与 code2wav 两阶段共享 GPU，需把 vLLM 的 SMVLLMGPUMEMORYUTILIZATION 设为 0.45 避免启动 OOM。
- 优势：自托管可控成本、数据不出 AWS、支持按需适配微调，适用于内容本地化、客服品牌语音、有声书与实时语音 agent 等场景。
「Infra」频道最新
- 三年造 CPU、内存与脉冲网络：一位芯片爱好者的加速器之路 — k7agar · 2026-11-11
- CoreWeave：2027年13万张GPU到期续约可年增收近40亿美元 — zephyr_z9 · 2026-11-11
- 800 美元二手 3090 主机本地跑 DeepSeek 4.1，2 量化仅 2-3 token/s — LankyGuitar6528 · 2026-11-11
- Mark 感叹 George Hotz 当年对 Nvidia 局势的预言成真 — mark_k · 2026-11-11
- 亚马逊 Prime 360 用 AI 实时重建 NBA 比赛 3D 画面，可任意视角回放 — import_jmr · 2026-11-11
- Altman 首度明言:OpenAI 中长期要取代 Nvidia — zephyr_z9 · 2026-11-11