Qwen3-TTS 0.6B Base (modelo de voz)
gamedev pkg add aigd.audio-qwen3-tts-0-6b-baseResumen
Qwen3-TTS 0.6B Base: texto a voz que clona la voz de un clip de referencia corto (3 s o más) en 10 idiomas, 24 kHz, para diálogos de personajes y narración. El modelo de clonación más pequeño, para GPU con unos 4 GB (estimación). Se ejecuta en local con audio.cpp. Apache-2.0, se permite el uso comercial.
Qwen3-TTS 0.6B Base es el modelo de clonación de voz más pequeño de la familia Qwen3-TTS de Alibaba Cloud. Dice cualquier texto con la voz de un clip de referencia corto (3 s o más), en 10 idiomas, y cabe en GPU más pequeñas. En la app AI Game Dev se ejecuta en local mediante Generación de audio local (aigd.audiocpp, el runtime audio.cpp), así que cada línea de diálogo no cuesta nada. Encaja con desarrolladores de juegos que quieren poner voz a sus personajes con su propia voz, o con la de un actor con su consentimiento, en una GPU con unos 4 GB de memoria (estimación), bajo Apache-2.0, que permite el uso comercial.
Qué puedes crear
- Diálogos de NPC y narración con una voz que grabaste una vez.
- Líneas de voz provisionales con tu propia voz mientras haces el prototipo, antes de la grabación final.
- La misma voz de personaje en hasta 10 idiomas para una versión localizada.
- Voz en off de tutorial, líneas de locutor y charla de radio.
Ejemplos de peticiones
- "Con mi grabación
voice/me.wav, lee las líneas del tutorial endialogue/tutorial.txt." - "Clona la voz de
voice/captain.wavy di: '¡Mantén la posición! Los refuerzos están en camino.'" - "Haz que el tendero diga 'Bienvenido de nuevo, viajero' en inglés, alemán y japonés, usando
voice/shopkeeper.wav."
Aspectos destacados
| Especificación | Valor |
|---|---|
| Voz | clonada a partir de un clip WAV de 3–30 s; transcripción opcional |
| Idiomas | Chino, inglés, japonés, coreano, alemán, francés, ruso, portugués, español, italiano |
| Salida | WAV mono de 24 kHz, guardado en tu proyecto |
| Texto por petición | hasta 600 caracteres (unos 40 s de habla en inglés); el texto más largo va en segmentos ordenados |
| Reproducible | una semilla repite un resultado |
- Clonación de voz: añade un clip WAV (3–30 s de una persona hablando con claridad) como Voz a clonar. Su transcripción exacta es opcional y da el mayor parecido; sin ella, el modelo clona solo el timbre de la persona (
x_vector_only_mode). El modelo no tiene voz propia: cada petición necesita un clip. - Sin instrucciones de emoción: para eso, usa CustomVoice o VoiceDesign (ver más abajo).
El modelo detecta por sí mismo el idioma del texto; el ajuste de idioma es informativo.
Este paquete solo contiene datos. Indica el archivo del modelo. La app lo descarga después de que lo confirmes, lo verifica mediante sha256 y lo ejecuta con audio.cpp en tu equipo.
Qué paquete de Qwen3-TTS elegir
Los cuatro usan el mismo runtime, hablan los mismos 10 idiomas y escriben WAV mono de 24 kHz. Se diferencian en cómo se elige la voz:
| Paquete | La voz procede de | Instrucciones de emoción | Descarga | Memoria de GPU (estimación) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | un clip de referencia (clonación) | no | 1.99 GB | unos 4 GB |
| Qwen3-TTS 1.7B Base | un clip de referencia (clonación) | no | 2.70 GB | unos 6 GB |
| Qwen3-TTS 1.7B CustomVoice | nueve voces integradas | yes | 2.82 GB | unos 6 GB |
| Qwen3-TTS 1.7B VoiceDesign | una descripción textual de la voz | sí, en la descripción | 2.82 GB | unos 6 GB |
- Clona una voz real (la tuya, o la de un actor con su consentimiento): 0.6B Base en GPU más pequeñas, 1.7B Base cuando tengas unos 6 GB de memoria de GPU.
- Usa voces ya preparadas y dirige la emoción: 1.7B CustomVoice.
- Inventa la voz de un personaje nuevo solo con palabras: 1.7B VoiceDesign.
Descarga
1,99 GB, un solo archivo, fijado a un commit de Hugging Face:
| Archivo | Origen | Tamaño |
|---|---|---|
qwen3-tts-12hz-0.6b-base-q8_0.gguf (talker, codificador de hablante y códec de voz de 12 Hz en un solo archivo) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 1.99 GB |
En qué equipos
| Equipo | Requisitos | Velocidad |
|---|---|---|
| GPU NVIDIA (CUDA) u otra GPU (Vulkan) | unos 4 GB de memoria de GPU (estimación) | aún sin medir |
| Mac con Apple silicon (Metal) | unos 8 GB de memoria (estimación) | aún sin medir |
Las cifras de memoria son estimaciones a partir del tamaño del archivo y de las cifras de Qwen para el modelo original, y se comprueban en una GPU real antes del lanzamiento.
Licencia
Apache-2.0. Se permite el uso comercial del modelo y de la voz que genera.
- Qwen3-TTS-12Hz-0.6B-Base © equipo de Qwen, Alibaba Cloud — ficha del modelo (
license: apache-2.0), texto de la licencia. - Qwen3-TTS-Tokenizer-12Hz (el códec de voz, empaquetado dentro del archivo GGUF) © equipo de Qwen — ficha del modelo, Apache-2.0.
- Empaquetado GGUF:
audio-cpp/audio.cpp-gguf— la ficha del repositorio indica que los paquetes GGUF de Qwen3-TTS son Apache-2.0, regidos por la licencia del modelo original.
Atribución obligatoria cuando redistribuyas los pesos: conserva el texto de la licencia Apache-2.0 y sus avisos para Qwen3-TTS. No se requiere atribución por la voz que generes.
Restricciones, en claro: ninguna en la licencia más allá de los requisitos de aviso anteriores — sin límite territorial, sin tope de ingresos, sin marca de agua. Clona solo una voz que tengas derecho a usar (la tuya, o con el consentimiento de la persona): no se permiten la suplantación de identidad, el fraude ni la desinformación, y se aplican las leyes sobre el parecido de la voz. Eres responsable de lo que generes.
Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.
Versiones
| Versión | Publicada | Requiere la aplicación |
|---|---|---|
| 1.0.2Última | 0.32.0-beta.6 o posterior | |
| 1.0.1 | 0.32.0-beta.6 o posterior |
Instalar
En la app de escritorio
Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.audio-qwen3-tts-0-6b-base y haz clic en Añadir al proyecto.
¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.
Desde el terminal
Con la CLI gamedev, en la carpeta de tu proyecto:
gamedev pkg add aigd.audio-qwen3-tts-0-6b-baseRequisitos
- AI Game Dev 0.32.0-beta.6 o posterior
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base