# Qwen3-TTS 1.7B CustomVoice (modelo de voz)

> 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.

- Id: `aigd.audio-qwen3-tts-1-7b-customvoice`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.2 (publicado el 2026-11-22)
- Licencia: Apache-2.0
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.audio-qwen3-tts-1-7b-customvoice

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

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

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.audio-qwen3-tts-1-7b-customvoice` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

````markdown
# Qwen3-TTS 1.7B CustomVoice (`aigd.audio-qwen3-tts-1-7b-customvoice`)

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

| Especificación | Valor |
|---|---|
| Voces | Vivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee (Ryan por defecto) |
| Emoción y forma de hablar | una instrucción como «Muy feliz», «Susurrando, triste» o «Rápido y emocionado» |
| Idiomas | chino, inglés, japonés, coreano, alemán, francés, ruso, portugués, español, italiano |
| Salida | WAV mono a 24 kHz, guardado en tu proyecto |
| Texto por petición | hasta 600 caracteres (unos 40 s de habla en inglés); los textos más largos van en segmentos ordenados |
| Repetible | una 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:

| Paquete | La voz procede de | Instrucciones de emoción | Descarga | Memoria de GPU (estimación) |
|---|---|---|---:|---|
| [Qwen3-TTS 0.6B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-0-6b-base) | un clip de referencia (clonación) | no | 1.99 GB | unos 4 GB |
| [Qwen3-TTS 1.7B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-base) | un clip de referencia (clonación) | no | 2.70 GB | unos 6 GB |
| [Qwen3-TTS 1.7B CustomVoice](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | nueve voces integradas | yes | 2.82 GB | unos 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-voicedesign) | una descripción textual de la voz | sí, en la descripción | 2.82 GB | unos 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:

| Archivo | De | Tamaño |
|---|---|---:|
| `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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-CustomVoice-GGUF) @ `b7b9aa1f` | 2.82 GB |

## En qué equipos

| Equipo | Requisitos | Velocidad |
|---|---|---|
| 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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice) (`license: apache-2.0`), [texto de la licencia](https://www.apache.org/licenses/LICENSE-2.0).
- Qwen3-TTS-Tokenizer-12Hz (el códec de voz, empaquetado dentro del archivo GGUF) © equipo Qwen — [ficha del modelo](https://huggingface.co/Qwen/Qwen3-TTS-Tokenizer-12Hz), Apache-2.0.
- Empaquetado GGUF: [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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.
````
