Qwen3-TTS 1.7B VoiceDesign(音声モデル)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign概要
Qwen3-TTS 1.7B VoiceDesign:テキストの記述(「しわがれ声の老いた船乗り、低くゆっくり」)から設計した新しい声で読み上げる音声合成です。感情と話し方もその記述で指定でき、10言語、24 kHz、キャラクターボイス向けです。audio.cpp によりお使いの GPU でローカルに動作します。Apache-2.0、商用利用可。
Qwen3-TTS 1.7B VoiceDesign は、Alibaba Cloud の Qwen3-TTS ファミリーに属する音声設計モデルです。テキストの記述(「しわがれ声の老いた船乗り、低くゆっくり」)から新しい声を作り出し、10言語で話します。感情と話し方もその記述で決まります。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 でローカルに動作するため、セリフ1行ごとのコストはかかりません。録音なしで多数の個性的なキャラクターボイスを必要とする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
- 各 NPC に固有の声を、言葉で記述して作成できます。年齢、性格、声質、話す速さなどです。
- キャスト全体に対照的な声を割り当てられます。年老いた声と若い声、しわがれた声と穏やかな声、速い話し方と遅い話し方などです。
- 特定の雰囲気を持つナレーターやアナウンサー。
- ローカライズ版向けの、10言語によるセリフ。
リクエスト例
- 「しわがれ声の老いた船乗りの声を、低くゆっくりで作って、『嵐が来るぞ。全部縛り付けておけ』と言わせて」
- 「温かみのある大人のナレーターを作って、
dialogue/prologue.txtを読ませて」 - 「ゴブリンの商人に、甲高い、速い、ずる賢い声を付けて、
dialogue/merchant.txtのセリフを吹き込んで」
主な特長
| 項目 | 値 |
|---|---|
| 声 | テキストの記述から設計。記述がない場合はモデルが声を選びます |
| 感情と話し方 | 同じ記述で指定 |
| 対応言語 | 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 | シードを指定すると同じ結果を再現できます |
モデルはテキストの言語を自動的に判別します。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構成されています。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 により実行します。
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言語を話し、24 kHz モノラル WAV を出力します。違いは声の選び方です。
| パッケージ | 声の指定方法 | 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 | 声に関するテキストの記述 | はい、記述の中で指定 | 2.82 GB | 約 6 GB |
- 実際の声をクローニングする(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。
- 既製のボイスを使って感情を操作する:1.7B CustomVoice。
- 言葉だけから新しいキャラクターボイスを作り出す:1.7B VoiceDesign。
ダウンロード
2.82 GB、1ファイル、Hugging Face の特定のコミットに固定:
| ファイル | 取得元 | サイズ |
|---|---|---|
qwen3-tts-12hz-1.7b-voicedesign-q8_0.gguf(talker と 12 Hz 音声コーデックを1ファイルに同梱) | 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 silicon 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 が公表しているオリジナルモデルの数値から算出した推定値であり、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。モデル自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-VoiceDesign © 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 ファイル内に同梱)© 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 パッケージは Apache-2.0 と記載されており、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 に関する Apache-2.0 ライセンス本文とその通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、上記の通知要件以外にライセンス上の制限はありません。地域の制限、収益の上限、ウォーターマークはいずれもありません。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 はそれらをホストしていません。
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-voicedesign 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-voicedesign必要条件
- AI Game Dev 0.32.0-beta.6 以降
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign