Qwen3-TTS 1.7B CustomVoice(音声モデル)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice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 CustomVoice | 9種類の内蔵ボイス | yes | 2.82 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 @ b7b9aa1f | 2.82 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
| 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 | |
| 1.0.1 | 0.32.0-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
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice