# Qwen3-TTS 1.7B CustomVoice（音声モデル）

> 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。

- ID: `aigd.audio-qwen3-tts-1-7b-customvoice`
- ソース: 公式 (ファーストパーティ `aigd.*`)
- カテゴリ: オーディオ
- パブリッシャー: AI Game Dev (`aigd`), 確認済み
- 最新バージョン: 1.0.2 (公開日 2026-11-22)
- ライセンス: Apache-2.0
- AI Game Dev アプリが必要です: `>=0.32.0-beta.6`
- ネイティブコード: いいえ
- 評価: まだ評価はありません
- HTML ページ: https://ai-game.dev/ja/packages/aigd.audio-qwen3-tts-1-7b-customvoice

## インストール

gamedev CLI を使用する場合は、プロジェクトフォルダで:

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

デスクトップアプリで: パッケージウィンドウ（ステータスバーのパッケージアイコン）を開き、**参照** を選択して `aigd.audio-qwen3-tts-1-7b-customvoice` を検索し、**プロジェクトに追加** をクリックします。詳細: https://ai-game.dev/docs/wiki/app/packages

## バージョン

| バージョン | 公開日 | アプリが必要 | 備考 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 説明

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

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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-CustomVoice-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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice)（`license: apache-2.0`）、[ライセンス本文](https://www.apache.org/licenses/LICENSE-2.0)。
- 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](https://huggingface.co/Qwen/Qwen3-TTS-Tokenizer-12Hz)、Apache-2.0。
- GGUFパッケージ化：[`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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。
````
