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

Qwen3-TTS 1.7B VoiceDesign (modelo de voz)

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

Resumen

Qwen3-TTS 1.7B VoiceDesign: texto a voz con una voz nueva diseñada a partir de una descripción escrita («Un viejo marinero ronco, grave y lento») que también fija la emoción y la interpretación, en 10 idiomas, 24 kHz, para voces de personajes. Se ejecuta en local en tu GPU con audio.cpp. Apache-2.0, se permite el uso comercial.

Qwen3-TTS 1.7B VoiceDesign es el modelo de diseño de voz de la familia Qwen3-TTS de Alibaba Cloud: crea una voz nueva a partir de una descripción de texto («Un viejo marinero ronco, grave y lento») y habla en 10 idiomas. La descripción también define la emoción y la interpretación. En la app AI Game Developer se ejecuta en local 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 necesitan muchas voces de personaje distintas sin grabaciones, bajo Apache-2.0, que permite el uso comercial.

Qué puedes crear

  • Una voz única para cada NPC, descrita con palabras: edad, carácter, tono y ritmo.
  • Voces contrastadas para todo un reparto: mayores y jóvenes, roncas y suaves, rápidas y lentas.
  • Narradores y locutores con un estado de ánimo concreto.
  • Diálogo en 10 idiomas para una versión localizada.

Ejemplos de peticiones

  • «Crea una voz de viejo marinero ronco, grave y lenta, y haz que diga: "Se acerca la tormenta. Amarra todo."»
  • «Crea un narrador adulto y cálido y lee dialogue/prologue.txt.»
  • «Dale al mercader goblin una voz aguda, rápida y astuta y pon voz a las líneas en dialogue/merchant.txt.»

Aspectos destacados

EspecificaciónValor
Vozdiseñada a partir de una descripción de texto; sin ella, el modelo elige una voz
Emoción e interpretaciónse definen con la misma descripción
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

El modelo detecta por sí mismo el idioma del texto; el ajuste de idioma es informativo.

Este paquete solo contiene datos. Indica el nombre del 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 a 24 kHz. Se diferencian en cómo se elige la voz:

PaqueteLa voz proviene 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 de texto de la vozsí, en la descripción2.82 GBunos 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 una voz de personaje nueva solo con palabras: 1.7B VoiceDesign.

Descarga

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

ArchivoOrigenTamaño
qwen3-tts-12hz-1.7b-voicedesign-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 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 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-VoiceDesign © equipo de 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 de Qwen — tarjeta del modelo, Apache-2.0.
  • Empaquetado GGUF: audio-cpp/audio.cpp-gguf — la tarjeta del repositorio indica que los paquetes GGUF de Qwen3-TTS son Apache-2.0 y se rigen por la licencia del modelo original.

Atribución obligatoria cuando redistribuyas los pesos: conserva el texto de la licencia Apache-2.0 y sus avisos de 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 VoiceDesign (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-voicedesign 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-voicedesign

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-voicedesign