Qwen3-TTS 1.7B CustomVoice (Sprachmodell)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoiceÜbersicht
Qwen3-TTS 1.7B CustomVoice: Text-to-Speech mit neun integrierten Stimmen sowie Anweisungen zu Emotion und Sprechweise („Aufgeregt, schnell“, „Flüsternd, traurig“) in 10 Sprachen, 24 kHz, für NPC-Dialoge und Erzählung. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
Qwen3-TTS 1.7B CustomVoice ist das Modell mit integrierten Stimmen aus der Qwen3-TTS-Familie von Alibaba Cloud: neun fertige Stimmen in 10 Sprachen, mit Anweisungen zu Emotion und Sprechweise wie „Aufgeregt, schnell“ oder „Flüsternd, traurig“. Eine Aufnahme ist nicht nötig. In der AI Game Dev App läuft es lokal auf deiner GPU über Local audio generation (aigd.audiocpp, die audio.cpp-Runtime), sodass jede Dialogzeile nichts kostet. Es passt zu Game-Developern, die schnell ausdrucksstarke NPC-Stimmen wollen, unter Apache-2.0, was kommerzielle Nutzung erlaubt.
Was du erstellen kannst
- NPC-Dialoge mit einer eigenen integrierten Stimme pro Figur.
- Emotionale Sprechweise für Story-Szenen: aufgeregt, fröhlich, traurig, flüsternd, schnell oder langsam.
- Erzählung, Tutorial-Voice-over und Ansager-Texte.
- Dialoge in 10 Sprachen für einen lokalisierten Build.
Beispielanfragen
- „Lass Ryan ‚We need to get out of here, now!‘ sagen — verängstigt und schnell.“
- „Lies die Intro-Erzählung in
dialogue/intro.txtmit Serena, ruhig und warm.“ - „Lass Ono_Anna den Spieler auf Japanisch begrüßen, fröhlich.“
- „Gib die Bösewicht-Zeile ‚You are too late‘ Aiden, flüsternd, bedrohlich.“
Highlights
| Spezifikation | Wert |
|---|---|
| Stimmen | Vivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee (Standard: Ryan) |
| Emotion und Sprechweise | eine Anweisung wie „Sehr fröhlich“, „Flüsternd, traurig“ oder „Schnell und aufgeregt“ |
| 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 wird in geordneten Segmenten übergeben |
| Wiederholbar | ein Seed wiederholt ein Ergebnis |
Dylan spricht im Chinesischen mit Pekinger Akzent, Eric mit Sichuan-Akzent. 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 Runtime, sprechen dieselben 10 Sprachen und schreiben 24 kHz Mono-WAV. Sie unterscheiden sich darin, wie die Stimme gewählt wird:
| Paket | Stimme kommt aus | Emotionsanweisungen | Download | GPU-Speicher (Schätzung) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | einem Referenzclip (Klonen) | nein | 1.99 GB | etwa 4 GB |
| Qwen3-TTS 1.7B Base | einem 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 | einer Textbeschreibung der Stimme | ja, in der Beschreibung | 2.82 GB | etwa 6 GB |
- Eine echte Stimme klonen (deine eigene oder die einer Sprecherin oder eines Sprechers mit Einwilligung): 0.6B Base auf kleineren GPUs, 1.7B Base, wenn du etwa 6 GB GPU-Speicher hast.
- Fertige Stimmen nutzen und die Emotion steuern: 1.7B CustomVoice.
- Eine neue Figurenstimme allein aus Worten erfinden: 1.7B VoiceDesign.
Download
2.82 GB, eine Datei, an einen Hugging Face-Commit gepinnt:
| Datei | Von | Größe |
|---|---|---|
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf (Talker und 12 Hz-Speech-Codec in einer Datei) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 2.82 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 daraus erzeugten Sprache ist erlaubt.
- Qwen3-TTS-12Hz-1.7B-CustomVoice © Qwen team, Alibaba Cloud — Modellkarte (
license: apache-2.0), Lizenztext. - Qwen3-TTS-Tokenizer-12Hz (der Speech-Codec, in der GGUF-Datei enthalten) © Qwen team — Modellkarte, Apache-2.0.
- GGUF-Paketierung:
audio-cpp/audio.cpp-gguf— die Karte des Repositorys führt die Qwen3-TTS-GGUF-Pakete als Apache-2.0, geregelt durch die Lizenz des Originalmodells.
Erforderliche Namensnennung, wenn du die Gewichte weiterverbreitest: 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, klar gesagt: keine über die oben genannten Hinweispflichten hinaus — kein Gebietslimit, keine Umsatzobergrenze, kein Wasserzeichen. Du bist dafür 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-customvoice 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-customvoiceVoraussetzungen
- AI Game Dev 0.32.0-beta.6 oder neuer
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice