このページは英語から機械翻訳されています。英語の原文を読む。

Qwen3-TTS 1.7B CustomVoice(音声モデル)

公式オーディオGPUv1.0.2aigd.audio-qwen3-tts-1-7b-customvoice
インストール アプリがまだない方は 無料でダウンロード
またはターミナルから
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice
お使いのコンピューターで実行します。 モデルを一度ダウンロードするだけで、このコンピューターの GPU で生成します。

概要

Qwen3-TTS 1.7B CustomVoice:9種類の内蔵ボイスと、感情・話し方の指示(「興奮して、速く」「ささやくように、悲しげに」)を使える10言語対応のテキスト読み上げモデルです。24 kHzで、NPCのセリフやナレーションに適しています。audio.cppでお使いのGPU上でローカルに動作します。Apache-2.0で、商用利用が可能です。

Qwen3-TTS 1.7B CustomVoiceは、Alibaba CloudのQwen3-TTSファミリーに属する内蔵ボイスモデルです。10言語に対応した9種類の既成ボイスを備え、「興奮して、速く」「ささやくように、悲しげに」といった感情や話し方の指示を指定できます。録音は不要です。AI Game Devアプリでは、ローカル音声生成(aigd.audiocpp、audio.cppランタイム)を通じてお使いのGPU上でローカルに動作するため、セリフ1行あたりのコストはかかりません。表現豊かなNPCボイスをすぐに用意したいゲーム開発者に適しており、商用利用を認めるApache-2.0の下で提供されます。

作成できるもの

  • キャラクターごとに異なる内蔵ボイスを割り当てたNPCのセリフ。
  • ストーリーシーン向けの感情表現:興奮、喜び、悲しみ、ささやき、速い口調や遅い口調。
  • ナレーション、チュートリアルのボイスオーバー、アナウンサー風のセリフ。
  • ローカライズ版向けの10言語のセリフ。

リクエスト例

  • 「Ryanに『今すぐここから出るんだ!』と言わせて。怖がって、速めに」
  • 「dialogue/intro.txtのイントロナレーションをSerenaで、穏やかに温かく読んで」
  • 「Ono_Annaに日本語で明るくプレイヤーに挨拶させて」
  • 「悪役のセリフ『もう遅い』をAidenに、ささやくように不気味に」

主な特長

項目値
ボイスVivian、Serena、Uncle_Fu、Dylan、Eric、Ryan、Aiden、Ono_Anna、Sohee(既定はRyan)
感情と話し方「とても幸せ」「ささやくように、悲しげに」「速く、興奮して」などの指示
言語中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語
出力24 kHzモノラルWAV、プロジェクト内に保存
1リクエストあたりのテキスト最大600文字(英語音声で約40秒)。それより長いテキストは順序付きのセグメントに分割します
再現性シードを固定すると同じ結果が再現されます

中国語では、Dylanが北京なまり、Ericが四川なまりで話します。モデルはテキスト自体から言語を判定するため、言語設定は参考情報です。

このパッケージはデータのみで、モデルファイルを指定するものです。アプリは確認後にダウンロードし、sha256で検証して、お使いのコンピューター上でaudio.cppを使って実行します。

どのQwen3-TTSパッケージを選ぶか

4つはすべて同じランタイムで動作し、同じ10言語に対応し、24 kHzモノラルWAVを出力します。違いはボイスの選び方です。

パッケージボイスの由来感情の指示ダウンロードGPUメモリ(推定)
Qwen3-TTS 0.6B Base参照クリップ(クローニング)なし1.99 GB約4 GB
Qwen3-TTS 1.7B Base参照クリップ(クローニング)なし2.70 GB約6 GB
Qwen3-TTS 1.7B CustomVoice9種類の内蔵ボイスyes2.82 GB約6 GB
Qwen3-TTS 1.7B VoiceDesignボイスのテキスト記述はい、記述内で指定2.82 GB約6 GB
  • 実在の声をクローンする(自分の声、または同意を得た俳優の声):GPUが小さい場合は0.6B Base、GPUメモリが約6 GBある場合は1.7B Base。
  • 既成のボイスを使って感情を操作する:1.7B CustomVoice。
  • 言葉だけで新しいキャラクターボイスを作る:1.7B VoiceDesign。

ダウンロード

2.82 GB、1ファイル、Hugging Faceのコミットに固定:

ファイル取得元サイズ
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf(talkerと12 Hz音声コーデックを1ファイルに格納)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 GB

対応コンピューター

コンピューター必要なもの速度
NVIDIA GPU(CUDA)またはその他のGPU(Vulkan)GPUメモリ約6 GB(推定)未計測
Appleシリコン搭載Mac(Metal)メモリ約8 GB(推定)未計測

メモリの数値は、ファイルサイズとQwenによるオリジナルモデルの数値から算出した推定値で、リリース前に実機のGPUで確認されます。

ライセンス

Apache-2.0です。モデル本体および生成された音声の商用利用が認められています。

  • Qwen3-TTS-12Hz-1.7B-CustomVoice © Qwen team, Alibaba Cloud — モデルカード(license: apache-2.0)、ライセンス本文。
  • Qwen3-TTS-Tokenizer-12Hz(音声コーデック、GGUFファイル内に格納)© Qwen team — モデルカード、Apache-2.0。
  • GGUFパッケージ化:audio-cpp/audio.cpp-gguf — リポジトリのカードでは、Qwen3-TTSのGGUFパッケージがApache-2.0として記載されており、オリジナルモデルのライセンスに従います。

重みを再配布する際に必要な表示:Qwen3-TTSのApache-2.0ライセンス本文とその告知を保持してください。生成した音声には表示義務はありません。

制限について率直に言えば、上記の告知要件以外にライセンス上の制限はありません。地域制限も、収益上限も、ウォーターマークもありません。生成した内容についてはご自身が責任を負います。

すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはファイルをホスティングしていません。

バージョン

Qwen3-TTS 1.7B CustomVoice(音声モデル)のリリース
バージョンリリース日アプリが必要
1.0.2最新0.32.0-beta.6 以降
1.0.10.32.0-beta.6 以降

インストール

デスクトップアプリで

Packages ウィンドウを開き(ステータスバーのパッケージアイコン)、Browse を選んで aigd.audio-qwen3-tts-1-7b-customvoice を検索し、Add to Project をクリックします。

アプリがまだない方は、Windows、macOS、Linux 用の AI Game Dev を無料でダウンロードしてください。

ターミナルから

gamedev CLI を使い、プロジェクトフォルダーで実行します。

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

必要条件

  • AI Game Dev 0.32.0-beta.6 以降

パッケージについて詳しく

インストール
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice