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

> 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.

- Id: `aigd.audio-qwen3-tts-1-7b-voicedesign`
- 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-voicedesign

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

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

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-voicedesign` 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 VoiceDesign (`aigd.audio-qwen3-tts-1-7b-voicedesign`)

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

| Especificación | Valor |
|---|---|
| Voz | diseñada a partir de una descripción de texto; sin ella, el modelo elige una voz |
| Emoción e interpretación | se definen con la misma descripción |
| 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); el texto más largo va en segmentos ordenados |
| Repetible | una 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:

| Paquete | La voz proviene 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 de texto 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 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:

| Archivo | Origen | Tamaño |
|---|---|---:|
| `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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-VoiceDesign-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 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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign) (`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 de Qwen — [tarjeta 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 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.
````
