Qwen3-TTS 1.7B Base (Sprachmodell)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-baseÜbersicht
Qwen3-TTS 1.7B Base: Text-to-Speech, das die Stimme eines kurzen Referenzclips (3 s oder mehr) in 10 Sprachen klont, 24 kHz, für Charakterdialoge und Erzählung. Das größere Cloning-Modell für GPUs mit etwa 6 GB (Schätzung). Läuft lokal mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
Qwen3-TTS 1.7B Base ist das größere Voice-Cloning-Modell aus der Qwen3-TTS-Familie von Alibaba Cloud. Es spricht jeden Text in der Stimme eines kurzen Referenzclips (3 s oder mehr), in 10 Sprachen; gib das Transkript des Clips an, um die größte Ähnlichkeit zu erzielen. In der AI Game Dev App läuft es lokal auf deiner GPU über Local audio generation (aigd.audiocpp, die audio.cpp-Laufzeit), sodass jede Dialogzeile nichts kostet. Es eignet sich für Spieleentwickler, die Charakteren ihre eigene Stimme geben wollen – oder die eines Schauspielers mit dessen Einverständnis – unter Apache-2.0, was kommerzielle Nutzung erlaubt.
Was du erstellen kannst
- NPC-Dialoge und Erzählung in einer Stimme, die du einmal aufgenommen hast.
- Platzhalter-Sprachzeilen in deiner eigenen Stimme während des Prototypings, bevor du final aufnimmst.
- Dieselbe Charakterstimme in bis zu 10 Sprachen für einen lokalisierten Build.
- Tutorial-Vertonung, Ansager-Sprüche und Funksprüche.
Beispielanfragen
- „Nutze meine Aufnahme
voice/me.wavund ihr Transkript und lies die Quest-Zeilen indialogue/quest-03.txtvor.“ - „Klone die Stimme in
voice/narrator.wavund erzähle den Anfang von Kapitel zwei.“ - „Lass die Wache ‚Halt! Wer da?‘ auf Englisch, Französisch und Koreanisch sagen, mit
voice/guard.wav.“
Highlights
| Spezifikation | Wert |
|---|---|
| Stimme | geklont aus einem WAV-Clip von 3–30 s; Transkript optional (größte Ähnlichkeit damit) |
| Sprachen | Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Russisch, Portugiesisch, Spanisch, Italienisch |
| Ausgabe | 24 kHz Mono-WAV, in deinem Projekt gespeichert |
| Text pro Anfrage | bis zu 600 Zeichen (etwa 40 s englische Sprache); längerer Text in geordneten Segmenten |
| Wiederholbar | ein Seed wiederholt ein Ergebnis |
- Voice Cloning: Füge einen WAV-Clip hinzu (3–30 s, eine Person spricht deutlich) als Voice to clone. Ihr exaktes Transkript ist optional und liefert die größte Ähnlichkeit; ohne es klont das Modell nur anhand des Timbre des Sprechers (
x_vector_only_mode). Das Modell hat keine eigene Stimme: jede Anfrage braucht einen Clip. - Keine Emotionsanweisungen: dafür CustomVoice oder VoiceDesign verwenden (siehe unten).
Das Modell erkennt die Sprache des Textes selbst; die Spracheinstellung ist nur informativ.
Dieses Paket enthält nur Daten. Es benennt die Modelldatei. Die App lädt sie nach deiner Bestätigung herunter, prüft sie per sha256 und führt sie mit audio.cpp auf deinem Computer aus.
Welches Qwen3-TTS-Paket du wählen solltest
Alle vier laufen über dieselbe Laufzeit, sprechen dieselben 10 Sprachen und schreiben 24 kHz Mono-WAV. Sie unterscheiden sich darin, wie die Stimme gewählt wird:
| Paket | Stimme kommt von | Emotionsanweisungen | Download | GPU-Speicher (Schätzung) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | ein Referenzclip (Klonen) | nein | 1.99 GB | etwa 4 GB |
| Qwen3-TTS 1.7B Base | ein Referenzclip (Klonen) | nein | 2.70 GB | etwa 6 GB |
| Qwen3-TTS 1.7B CustomVoice | neun integrierte Stimmen | yes | 2.82 GB | etwa 6 GB |
| Qwen3-TTS 1.7B VoiceDesign | eine Textbeschreibung der Stimme | ja, in der Beschreibung | 2.82 GB | etwa 6 GB |
- Klone eine echte Stimme (deine oder die eines Schauspielers mit Einverständnis): 0.6B Base auf kleineren GPUs, 1.7B Base, wenn du etwa 6 GB GPU-Speicher hast.
- Nutze fertige Stimmen und steuere die Emotion: 1.7B CustomVoice.
- Erfinde eine neue Charakterstimme allein aus Worten: 1.7B VoiceDesign.
Download
2.70 GB, eine Datei, an einen Hugging Face-Commit gepinnt:
| Datei | Von | Größe |
|---|---|---|
qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf (Talker, Sprecher-Encoder und 12 Hz-Sprachcodec in einer Datei) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 2.70 GB |
Welche Computer
| Computer | Benötigt | Geschwindigkeit |
|---|---|---|
| NVIDIA GPU (CUDA) oder eine andere GPU (Vulkan) | etwa 6 GB GPU-Speicher (Schätzung) | noch nicht gemessen |
| Mac mit Apple Silicon (Metal) | etwa 8 GB Arbeitsspeicher (Schätzung) | noch nicht gemessen |
Die Speicherangaben sind Schätzungen aus der Dateigröße und Qwens Angaben zum Originalmodell und werden vor der Veröffentlichung auf einer echten GPU geprüft.
Lizenz
Apache-2.0. Die kommerzielle Nutzung des Modells und der damit erzeugten Sprache ist erlaubt.
- Qwen3-TTS-12Hz-1.7B-Base © Qwen-Team, Alibaba Cloud — Model Card (
license: apache-2.0), Lizenztext. - Qwen3-TTS-Tokenizer-12Hz (der Sprachcodec, eingepackt in die GGUF-Datei) © Qwen-Team — Model Card, Apache-2.0.
- GGUF-Paketierung:
audio-cpp/audio.cpp-gguf— die Repository-Karte führt die Qwen3-TTS-GGUF-Pakete als Apache-2.0, geregelt durch die Lizenz des Originalmodells.
Erforderliche Namensnennung, wenn du die Gewichte weitergibst: Behalte den Apache-2.0-Lizenztext und die zugehörigen Hinweise für Qwen3-TTS bei. Für die von dir erzeugte Sprache ist keine Namensnennung erforderlich.
Einschränkungen, im Klartext: keine in der Lizenz über die obigen Hinweispflichten hinaus — kein Gebietslimit, keine Umsatzobergrenze, kein Wasserzeichen. Klone nur eine Stimme, für deren Nutzung du das Recht hast (deine eigene oder mit Einverständnis des Sprechers): Identitätstäuschung, Betrug und Desinformation sind nicht erlaubt, und Gesetze zum Schutz der Stimme gelten. Du bist für das verantwortlich, was du erzeugst.
Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.
Versionen
| Version | Veröffentlicht | Benötigt die App |
|---|---|---|
| 1.0.2Neueste | 0.32.0-beta.6 oder neuer | |
| 1.0.1 | 0.32.0-beta.6 oder neuer |
Installieren
In der Desktop-App
Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle Browse, suche aigd.audio-qwen3-tts-1-7b-base und klicke auf Add to Project.
Noch keine App? Lade AI Game Dev kostenlos herunter für Windows, macOS oder Linux.
Im Terminal
Mit der gamedev CLI in deinem Projektordner:
gamedev pkg add aigd.audio-qwen3-tts-1-7b-baseVoraussetzungen
- AI Game Dev 0.32.0-beta.6 oder neuer
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base