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

Qwen3-TTS 1.7B Base (modelo de fala)

OficialÁudioGPUv1.0.2aigd.audio-qwen3-tts-1-7b-base
Instalar Ainda sem o app? Baixe grátis
Ou pelo terminal
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base
Roda no seu computador. Baixa o modelo uma vez e gera na GPU deste computador.

Visão geral

Qwen3-TTS 1.7B 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 maior, para GPUs com cerca de 6 GB (estimativa). Roda localmente com audio.cpp. Apache-2.0, uso comercial permitido.

Qwen3-TTS 1.7B Base é o modelo maior de clonagem de voz da família Qwen3-TTS do Alibaba Cloud. Ele fala qualquer texto na voz de um clipe de referência curto (3 s ou mais), em 10 idiomas; forneça a transcrição do clipe para obter a maior semelhança. No app AI Game Dev, ele roda localmente na sua GPU por meio da 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 dublar personagens com a própria voz, ou com a de um ator com consentimento, sob Apache-2.0, que permite uso comercial.

O que você pode criar

  • Diálogos de NPC e narração com uma voz que você gravou uma vez.
  • Falas de placeholder 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 conversas de rádio.

Exemplos de pedidos

  • "Usando minha gravação voice/me.wav e a transcrição dela, leia as falas da missão em dialogue/quest-03.txt."
  • "Clone a voz em voice/narrator.wav e narre a abertura do capítulo dois."
  • "Faça o guarda dizer 'Halt! Who goes there?' em inglês, francês e coreano, usando voice/guard.wav."

Destaques

EspecificaçãoValor
Vozclonada de um clipe WAV de 3–30 s; transcrição opcional (maior semelhança com ela)
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 claramente) como Voz a clonar. A transcrição exata dele é opcional e proporciona a maior semelhança; 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 o idioma do texto por conta própria; a configuração de idioma é apenas informativa.

Este pacote é só de dados. Ele nomeia 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 em 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 embutidasyes2.82 GBcerca de 6 GB
Qwen3-TTS 1.7B VoiceDesignuma descrição textual da vozsim, na descrição2.82 GBcerca de 6 GB
  • Clonar uma voz real (a sua, ou a de um ator com consentimento): 0.6B Base em GPUs menores, 1.7B Base quando você tem cerca de 6 GB de memória de GPU.
  • Usar vozes prontas e orientar a emoção: 1.7B CustomVoice.
  • Inventar uma voz de personagem nova só com palavras: 1.7B VoiceDesign.

Download

2.70 GB, um arquivo, fixado em um commit do Hugging Face:

ArquivoDeTamanho
qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf (talker, codificador de falante e codec de fala de 12 Hz em um único arquivo)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.70 GB

Em quais computadores

ComputadorRequisitosVelocidade
GPU NVIDIA (CUDA) ou outra GPU (Vulkan)cerca de 6 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-1.7B-Base © equipe Qwen, Alibaba Cloud — card do modelo (license: apache-2.0), texto da licença.
  • Qwen3-TTS-Tokenizer-12Hz (o codec de fala, empacotado dentro do arquivo GGUF) © equipe Qwen — card do modelo, Apache-2.0.
  • Empacotamento GGUF: audio-cpp/audio.cpp-gguf — o card 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 para o 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 leis sobre semelhança de voz se aplicam. Você é responsável pelo que gerar.

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

Versões

Versões de Qwen3-TTS 1.7B 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-1-7b-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-1-7b-base

Requisitos

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

Mais sobre pacotes

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