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

Qwen3-TTS 1.7B CustomVoice (modelo de fala)

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

Visão geral

Qwen3-TTS 1.7B CustomVoice: conversão de texto em fala com nove vozes integradas e instruções de emoção e entrega ("Empolgado, rápido", "Sussurrando, triste") em 10 idiomas, 24 kHz, para diálogos de NPC e narração. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.

Qwen3-TTS 1.7B CustomVoice é o modelo de vozes integradas da família Qwen3-TTS da Alibaba Cloud: nove vozes prontas em 10 idiomas, com instruções de emoção e entrega como "Empolgado, rápido" ou "Sussurrando, triste". Não é preciso gravar nada. 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 vozes de NPC expressivas rapidamente, sob Apache-2.0, que permite uso comercial.

O que você pode criar

  • Diálogos de NPC com uma voz integrada distinta por personagem.
  • Entrega emocional para cenas da história: empolgado, feliz, triste, sussurrando, rápido ou lento.
  • Narração, locução de tutorial e falas de apresentador.
  • Diálogos em 10 idiomas para uma build localizada.

Exemplos de pedidos

  • "Faça o Ryan dizer 'Precisamos sair daqui, agora!' — assustado e rápido."
  • "Leia a narração de introdução em dialogue/intro.txt com a Serena, calma e acolhedora."
  • "Faça a Ono_Anna cumprimentar o jogador em japonês, alegre."
  • "Dê a fala do vilão 'Você chegou tarde demais' para o Aiden, sussurrando, ameaçador."

Destaques

EspecificaçãoValor
VozesVivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee (padrão Ryan)
Emoção e entregauma instrução como "Muito feliz", "Sussurrando, triste" ou "Rápido e empolgado"
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

Dylan fala com sotaque de Pequim e Eric com sotaque de Sichuan em chinês. O modelo detecta o idioma do próprio texto; a configuração de idioma é apenas informativa.

Este pacote é somente 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 com 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 nova de personagem só com palavras: 1.7B VoiceDesign.

Download

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

ArquivoDeTamanho
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf (talker e codec de fala de 12 Hz em um único arquivo)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 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-CustomVoice © Qwen team, 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) © Qwen team — 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. 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 CustomVoice (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-customvoice 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-customvoice

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-customvoice