Diese Seite wurde maschinell aus dem Englischen übersetzt. Englisches Original lesen.

Qwen3-TTS 1.7B CustomVoice (Sprachmodell)

OffiziellAudioGPUv1.0.2aigd.audio-qwen3-tts-1-7b-customvoice
Oder im Terminal
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice
Läuft auf deinem Computer. Lädt ein Modell einmal herunter und generiert auf der GPU dieses Computers.

Übersicht

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.txt mit 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

SpezifikationWert
StimmenVivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee (Standard: Ryan)
Emotion und Sprechweiseeine Anweisung wie „Sehr fröhlich“, „Flüsternd, traurig“ oder „Schnell und aufgeregt“
SprachenChinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Russisch, Portugiesisch, Spanisch, Italienisch
Ausgabe24 kHz Mono-WAV, in deinem Projekt gespeichert
Text pro Anfragebis zu 600 Zeichen (etwa 40 s englische Sprache); längerer Text wird in geordneten Segmenten übergeben
Wiederholbarein 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:

PaketStimme kommt ausEmotionsanweisungenDownloadGPU-Speicher (Schätzung)
Qwen3-TTS 0.6B Baseeinem Referenzclip (Klonen)nein1.99 GBetwa 4 GB
Qwen3-TTS 1.7B Baseeinem Referenzclip (Klonen)nein2.70 GBetwa 6 GB
Qwen3-TTS 1.7B CustomVoiceneun integrierte Stimmenyes2.82 GBetwa 6 GB
Qwen3-TTS 1.7B VoiceDesigneiner Textbeschreibung der Stimmeja, in der Beschreibung2.82 GBetwa 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:

DateiVonGröße
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf (Talker und 12 Hz-Speech-Codec in einer Datei)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 GB

Welche Computer

ComputerBenötigtGeschwindigkeit
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

Releases von Qwen3-TTS 1.7B CustomVoice (Sprachmodell)
VersionVeröffentlichtBenötigt die App
1.0.2Neueste0.32.0-beta.6 oder neuer
1.0.10.32.0-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-customvoice

Voraussetzungen

  • AI Game Dev 0.32.0-beta.6 oder neuer

Mehr zu Packages

Installieren
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice