Esta página se tradujo automáticamente del inglés. Lee el original en inglés.

Qwen3-TTS 1.7B Base (modelo de voz)

OficialAudioGPUv1.0.2aigd.audio-qwen3-tts-1-7b-base
Instalar ¿Aún no tienes la app? Descárgala gratis
O desde el terminal
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base
Se ejecuta en tu ordenador. Descarga un modelo una vez y genera con la GPU de este ordenador.

Resumen

Qwen3-TTS 1.7B 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 grande, para GPUs con unos 6 GB (estimación). Se ejecuta localmente con audio.cpp. Apache-2.0, se permite el uso comercial.

Qwen3-TTS 1.7B Base es el modelo de clonación de voz más grande de la familia Qwen3-TTS de Alibaba Cloud. Pronuncia cualquier texto con la voz de un clip de referencia corto (3 s o más), en 10 idiomas; proporciona la transcripción del clip para obtener la mayor semejanza. En la app AI Game Dev se ejecuta localmente en tu GPU mediante Local audio generation (aigd.audiocpp, el runtime audio.cpp), así que cada línea de diálogo no cuesta nada. Resulta útil para desarrolladores de juegos que quieren poner voz a sus personajes con su propia voz, o con la de un actor con su consentimiento, 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 prototipos, antes de la grabación final.
  • La misma voz de personaje en hasta 10 idiomas para una versión localizada.
  • Voz en off de tutoriales, líneas de locutor y radio de comunicaciones.

Ejemplos de peticiones

  • "Usando mi grabación voice/me.wav y su transcripción, lee las líneas de la misión en dialogue/quest-03.txt."
  • "Clona la voz de voice/narrator.wav y narra el comienzo del capítulo dos."
  • "Haz que el guardia diga 'Halt! Who goes there?' en inglés, francés y coreano, usando voice/guard.wav."

Aspectos destacados

EspecificaciónValor
Vozclonada a partir de un clip WAV de 3–30 s; transcripción opcional (mayor semejanza con ella)
Idiomaschino, inglés, japonés, coreano, alemán, francés, ruso, portugués, español, italiano
SalidaWAV mono a 24 kHz, guardado en tu proyecto
Texto por peticiónhasta 600 caracteres (unos 40 s de habla en inglés); el texto más largo va en segmentos ordenados
Repetibleuna semilla repite un resultado
  • Clonación de voz: añade un clip WAV (3–30 s de una persona hablando con claridad) como Voice to clone. Su transcripción exacta es opcional y da la mayor semejanza; sin ella, el modelo clona solo a partir del timbre del hablante (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 ordenador.

Qué paquete de Qwen3-TTS elegir

Los cuatro se ejecutan con el mismo runtime, hablan los mismos 10 idiomas y escriben WAV mono a 24 kHz. Se diferencian en cómo se elige la voz:

PaqueteLa voz procede deInstrucciones de emociónDescargaMemoria de GPU (estimación)
Qwen3-TTS 0.6B Baseun clip de referencia (clonación)no1.99 GBunos 4 GB
Qwen3-TTS 1.7B Baseun clip de referencia (clonación)no2.70 GBunos 6 GB
Qwen3-TTS 1.7B CustomVoicenueve voces integradasyes2.82 GBunos 6 GB
Qwen3-TTS 1.7B VoiceDesignuna descripción textual de la vozsí, en la descripción2.82 GBunos 6 GB
  • Clonar una voz real (la tuya, o la de un actor con su consentimiento): 0.6B Base en GPUs más pequeñas, 1.7B Base cuando tengas unos 6 GB de memoria de GPU.
  • Usar voces ya preparadas y dirigir la emoción: 1.7B CustomVoice.
  • Inventar la voz de un personaje nuevo solo con palabras: 1.7B VoiceDesign.

Descarga

2.70 GB, un archivo, fijado a un commit de Hugging Face:

ArchivoDeTamaño
qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf (talker, codificador de hablante y códec de voz de 12 Hz en un solo archivo)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.70 GB

En qué ordenadores

OrdenadorRequisitosVelocidad
GPU NVIDIA (CUDA) u otra GPU (Vulkan)unos 6 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 del habla que genera.

  • Qwen3-TTS-12Hz-1.7B-Base © equipo Qwen, Alibaba Cloud — tarjeta del modelo (license: apache-2.0), texto de la licencia.
  • Qwen3-TTS-Tokenizer-12Hz (el códec de voz, empaquetado dentro del archivo GGUF) © equipo Qwen — tarjeta del modelo, Apache-2.0.
  • Empaquetado GGUF: audio-cpp/audio.cpp-gguf — la tarjeta del repositorio indica los paquetes GGUF de Qwen3-TTS como 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 para el habla 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 del hablante): la suplantación de identidad, el fraude y la desinformación no están permitidos, y se aplican las leyes sobre la semejanza de la voz. Tú eres responsable de lo que generes.

Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.

Versiones

Versiones de Qwen3-TTS 1.7B Base (modelo de voz)
VersiónPublicadaRequiere la aplicación
1.0.2Última0.32.0-beta.6 o posterior
1.0.10.32.0-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-1-7b-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-1-7b-base

Requisitos

  • AI Game Dev 0.32.0-beta.6 o posterior

Más sobre los paquetes

Instalar
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base