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

Qwen3-TTS 1.7B CustomVoice (modelo de voz)

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

Resumen

Qwen3-TTS 1.7B CustomVoice: texto a voz con nueve voces integradas e instrucciones de emoción y forma de hablar («Emocionado, rápido», «Susurrando, triste») en 10 idiomas, 24 kHz, para diálogos de NPC y narración. Se ejecuta localmente en tu GPU con audio.cpp. Apache-2.0, se permite el uso comercial.

Qwen3-TTS 1.7B CustomVoice es el modelo con voces integradas de la familia Qwen3-TTS de Alibaba Cloud: nueve voces listas en 10 idiomas, con instrucciones de emoción y forma de hablar como «Emocionado, rápido» o «Susurrando, triste». No hace falta ninguna grabación. En la app AI Game Dev se ejecuta localmente en tu GPU mediante Generación de audio local (aigd.audiocpp, el runtime audio.cpp), así que cada línea de diálogo no cuesta nada. Está pensado para desarrolladores de juegos que quieren voces de NPC expresivas de forma rápida, bajo Apache-2.0, que permite el uso comercial.

Qué puedes crear

  • Diálogos de NPC con una voz integrada distinta para cada personaje.
  • Interpretación emocional para escenas de la historia: emocionado, feliz, triste, susurrante, rápido o lento.
  • Narración, voz en off para tutoriales y líneas de locutor.
  • Diálogos en 10 idiomas para una versión localizada.

Ejemplos de peticiones

  • «Haz que Ryan diga "¡Tenemos que salir de aquí, ya!" — asustado y rápido.»
  • «Lee la narración de introducción en dialogue/intro.txt con Serena, tranquila y cálida.»
  • «Haz que Ono_Anna salude al jugador en japonés, alegre.»
  • «Dale la frase del villano "Llegas demasiado tarde" a Aiden, susurrando, amenazante.»

Puntos destacados

EspecificaciónValor
VocesVivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee (Ryan por defecto)
Emoción y forma de hablaruna instrucción como «Muy feliz», «Susurrando, triste» o «Rápido y emocionado»
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); los textos más largos van en segmentos ordenados
Repetibleuna semilla repite un resultado

Dylan habla con acento de Pekín y Eric con acento de Sichuan en chino. El modelo detecta el idioma del propio 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 funcionan 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 controlar la emoción: 1.7B CustomVoice.
  • Inventar la voz de un personaje nuevo solo con palabras: 1.7B VoiceDesign.

Descarga

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

ArchivoDeTamaño
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf (talker y códec de voz de 12 Hz en un solo archivo)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 GB

En qué equipos

EquipoRequisitosVelocidad
GPU NVIDIA (CUDA) u otra GPU (Vulkan)unos 6 GB de memoria de GPU (estimación)aún no medido
Mac con Apple silicon (Metal)unos 8 GB de memoria (estimación)aún no medido

Las cifras de memoria son estimaciones a partir del tamaño del archivo y de los datos 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-CustomVoice © equipo 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 Qwen — ficha del modelo, Apache-2.0.
  • Empaquetado GGUF: audio-cpp/audio.cpp-gguf — la ficha del repositorio enumera 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 por 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. Tú eres responsable de lo que generes.

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

Versiones

Versiones de Qwen3-TTS 1.7B CustomVoice (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-customvoice 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-customvoice

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-customvoice