Esta página foi traduzida automaticamente do inglês. Leia o original em inglês.

Qwen3-TTS 0.6B Base (modelo de fala)

OficialÁudioGPUv1.0.2aigd.audio-qwen3-tts-0-6b-base
Instalar Ainda sem o app? Baixe grátis
Ou pelo terminal
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base
Roda no seu computador. Baixa o modelo uma vez e gera na GPU deste computador.

Visão geral

Qwen3-TTS 0.6B Base: conversão de texto em fala que clona a voz de um clipe de referência curto (3 s ou mais) em 10 idiomas, 24 kHz, para diálogos de personagens e narração. O modelo de clonagem menor, para GPUs com cerca de 4 GB (estimativa). Roda localmente com audio.cpp. Apache-2.0, uso comercial permitido.

Qwen3-TTS 0.6B Base é o modelo menor de clonagem de voz da família Qwen3-TTS do Alibaba Cloud. Ele fala qualquer texto com a voz de um clipe de referência curto (3 s ou mais), em 10 idiomas, e cabe em GPUs menores. No app AI Game Dev, ele roda localmente por meio de Geração de áudio local (aigd.audiocpp, o runtime audio.cpp), então cada linha de diálogo não custa nada. Ele é indicado para desenvolvedores de jogos que querem dar voz aos personagens com a própria voz, ou com a de um ator mediante consentimento, em uma GPU com cerca de 4 GB de memória (estimativa), sob a Apache-2.0, que permite uso comercial.

O que você pode criar

  • Diálogos de NPC e narração com uma voz que você gravou uma única vez.
  • Falas provisórias na sua própria voz enquanto você faz o protótipo, antes da gravação final.
  • A mesma voz de personagem em até 10 idiomas para uma build localizada.
  • Narração de tutorial, falas de locutor e conversa de rádio.

Exemplos de pedidos

  • "Usando a minha gravação voice/me.wav, leia as falas do tutorial em dialogue/tutorial.txt."
  • "Clone a voz em voice/captain.wav e diga: 'Aguentem a posição! Reforços a caminho.'"
  • "Faça o comerciante dizer 'Bem-vindo de volta, viajante' em inglês, alemão e japonês, usando voice/shopkeeper.wav."

Destaques

EspecificaçãoValor
Vozclonada de um clipe WAV de 3–30 s; transcrição opcional
Idiomaschinês, inglês, japonês, coreano, alemão, francês, russo, português, espanhol, italiano
SaídaWAV mono de 24 kHz, salvo no seu projeto
Texto por pedidoaté 600 caracteres (cerca de 40 s de fala em inglês); textos mais longos vão em segmentos ordenados
Repetíveluma seed repete um resultado
  • Clonagem de voz: adicione um clipe WAV (3–30 s de uma pessoa falando com clareza) como Voz a clonar. A transcrição exata dele é opcional e proporciona a semelhança mais próxima; sem ela, o modelo clona apenas o timbre do falante (x_vector_only_mode). O modelo não tem voz própria: todo pedido precisa de um clipe.
  • Sem instruções de emoção: para isso, use CustomVoice ou VoiceDesign (veja abaixo).

O modelo detecta sozinho o idioma do texto; a configuração de idioma é apenas informativa.

Este pacote é apenas dados. Ele indica o arquivo do modelo. O app baixa o arquivo depois que você confirma, verifica por sha256 e o executa com audio.cpp no seu computador.

Qual pacote Qwen3-TTS escolher

Todos os quatro rodam no mesmo runtime, falam os mesmos 10 idiomas e gravam WAV mono de 24 kHz. Eles diferem na forma como a voz é escolhida:

PacoteA voz vem deInstruções de emoçãoDownloadMemória de GPU (estimativa)
Qwen3-TTS 0.6B Baseum clipe de referência (clonagem)não1.99 GBcerca de 4 GB
Qwen3-TTS 1.7B Baseum clipe de referência (clonagem)não2.70 GBcerca de 6 GB
Qwen3-TTS 1.7B CustomVoicenove vozes integradasyes2.82 GBcerca de 6 GB
Qwen3-TTS 1.7B VoiceDesignuma descrição textual da vozsim, na descrição2.82 GBcerca de 6 GB
  • Clone uma voz real (a sua, ou a de um ator mediante consentimento): 0.6B Base em GPUs menores, 1.7B Base quando você tem cerca de 6 GB de memória de GPU.
  • Use vozes prontas e controle a emoção: 1.7B CustomVoice.
  • Invente uma voz de personagem nova só com palavras: 1.7B VoiceDesign.

Download

1,99 GB, um arquivo, fixado em um commit do Hugging Face:

ArquivoDeTamanho
qwen3-tts-12hz-0.6b-base-q8_0.gguf (talker, codificador de falante e codec de fala de 12 Hz em um único arquivo)audio-cpp/audio.cpp-gguf @ b7b9aa1f1.99 GB

Em quais computadores

ComputadorRequisitosVelocidade
GPU NVIDIA (CUDA) ou outra GPU (Vulkan)cerca de 4 GB de memória de GPU (estimativa)ainda não medido
Mac com Apple silicon (Metal)cerca de 8 GB de memória (estimativa)ainda não medido

Os números de memória são estimativas a partir do tamanho do arquivo e dos números da Qwen para o modelo original, e são verificados em uma GPU real antes do lançamento.

Licença

Apache-2.0. O uso comercial do modelo e da fala que ele gera é permitido.

  • Qwen3-TTS-12Hz-0.6B-Base © equipe Qwen, Alibaba Cloud — página do modelo (license: apache-2.0), texto da licença.
  • Qwen3-TTS-Tokenizer-12Hz (o codec de fala, embutido no arquivo GGUF) © equipe Qwen — página do modelo, Apache-2.0.
  • Empacotamento GGUF: audio-cpp/audio.cpp-gguf — a página do repositório lista os pacotes GGUF do Qwen3-TTS como Apache-2.0, regidos pela licença do modelo original.

Atribuição obrigatória quando você redistribui os pesos: mantenha o texto da licença Apache-2.0 e seus avisos referentes ao Qwen3-TTS. Nenhuma atribuição é exigida para a fala que você gera.

Restrições, sem rodeios: nenhuma na licença além dos requisitos de aviso acima — sem limite territorial, sem teto de receita, sem marca d'água. Clone apenas uma voz que você tem o direito de usar (a sua, ou com o consentimento do falante): personificação, fraude e desinformação não são permitidas, e as leis sobre semelhança de voz se aplicam. Você é responsável pelo que gera.

Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.

Versões

Versões de Qwen3-TTS 0.6B Base (modelo de fala)
VersãoLançamentoRequer o app
1.0.2Mais recente0.32.0-beta.6 ou mais recente
1.0.10.32.0-beta.6 ou mais recente

Instalar

No app para desktop

Abra a janela Pacotes (o ícone de pacote na barra de status), selecione Explorar, pesquise aigd.audio-qwen3-tts-0-6b-base e clique em Adicionar ao projeto.

Ainda sem o app? Baixe o AI Game Dev grátis para Windows, macOS ou Linux.

Pelo terminal

Com a CLI gamedev, na pasta do seu projeto:

gamedev pkg add aigd.audio-qwen3-tts-0-6b-base

Requisitos

  • AI Game Dev 0.32.0-beta.6 ou mais recente

Mais sobre pacotes

Instalar
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base