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

Qwen3-TTS 1.7B VoiceDesign (modelo de fala)

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

Visão geral

Qwen3-TTS 1.7B VoiceDesign: conversão de texto em fala com uma voz nova criada a partir de uma descrição textual ("Um velho marinheiro rabugento, grave e lento") que também define emoção e entrega, em 10 idiomas, 24 kHz, para vozes de personagens. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.

Qwen3-TTS 1.7B VoiceDesign é o modelo de criação de voz da família Qwen3-TTS da Alibaba Cloud: ele cria uma voz nova a partir de uma descrição textual ("Um velho marinheiro rabugento, grave e lento") e fala em 10 idiomas. A descrição também define a emoção e a entrega. No app AI Game Dev ele roda localmente na sua GPU por meio da Local audio generation (aigd.audiocpp, o runtime audio.cpp), então cada linha de diálogo não custa nada. Ele atende desenvolvedores de jogos que precisam de muitas vozes de personagens distintas sem gravações, sob Apache-2.0, que permite uso comercial.

O que você pode criar

  • Uma voz única para cada NPC, descrita em palavras: idade, personalidade, tom e ritmo.
  • Vozes contrastantes para um elenco inteiro: velhos e jovens, ríspidos e suaves, rápidos e lentos.
  • Narradores e locutores com um clima específico.
  • Diálogos em 10 idiomas para uma build localizada.

Exemplos de pedidos

  • "Crie uma voz de velho marinheiro rabugento, grave e lenta, e faça ele dizer 'Vem tempestade por aí. Amarre tudo.'"
  • "Crie um narrador adulto e acolhedor e leia dialogue/prologue.txt."
  • "Dê ao mercador goblin uma voz fininha, rápida e manhosa e duble as falas em dialogue/merchant.txt."

Destaques

EspecificaçãoValor
Vozcriada a partir de uma descrição textual; sem ela, o modelo escolhe uma voz
Emoção e entregadefinidas pela mesma descrição
IdiomasChinês, inglês, japonês, coreano, alemão, francês, russo, português, espanhol, italiano
SaídaWAV mono de 24 kHz, salvo no seu projeto
Texto por requisiçãoaté 600 caracteres (cerca de 40 s de fala em inglês); textos maiores vão em segmentos ordenados
Reprodutíveluma seed repete um resultado

O modelo detecta o idioma do texto sozinho; 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 do Qwen3-TTS escolher

Todos os quatro usam o 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.
  • Crie uma voz nova de personagem apenas com palavras: 1.7B VoiceDesign.

Download

2,82 GB, um arquivo, fixado em um commit do Hugging Face:

ArquivoOrigemTamanho
qwen3-tts-12hz-1.7b-voicedesign-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-VoiceDesign © equipe Qwen, Alibaba Cloud — ficha do modelo (license: apache-2.0), texto da licença.
  • Qwen3-TTS-Tokenizer-12Hz (o codec de fala, embutido no arquivo GGUF) © equipe Qwen — ficha do modelo, Apache-2.0.
  • Empacotamento GGUF: audio-cpp/audio.cpp-gguf — a ficha 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. Não é exigida atribuição 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 gera.

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

Versões

Versões de Qwen3-TTS 1.7B VoiceDesign (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-voicedesign 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-voicedesign

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-voicedesign