Qwen3-TTS 1.7B VoiceDesign (modelo de fala)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesignVisão 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
| Especificação | Valor |
|---|---|
| Voz | criada a partir de uma descrição textual; sem ela, o modelo escolhe uma voz |
| Emoção e entrega | definidas pela mesma descrição |
| Idiomas | Chinês, inglês, japonês, coreano, alemão, francês, russo, português, espanhol, italiano |
| Saída | WAV mono de 24 kHz, salvo no seu projeto |
| Texto por requisição | até 600 caracteres (cerca de 40 s de fala em inglês); textos maiores vão em segmentos ordenados |
| Reprodutível | uma 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:
| Pacote | A voz vem de | Instruções de emoção | Download | Memória de GPU (estimativa) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | um clipe de referência (clonagem) | não | 1.99 GB | cerca de 4 GB |
| Qwen3-TTS 1.7B Base | um clipe de referência (clonagem) | não | 2.70 GB | cerca de 6 GB |
| Qwen3-TTS 1.7B CustomVoice | nove vozes integradas | yes | 2.82 GB | cerca de 6 GB |
| Qwen3-TTS 1.7B VoiceDesign | uma descrição textual da voz | sim, na descrição | 2.82 GB | cerca 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:
| Arquivo | Origem | Tamanho |
|---|---|---|
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 @ b7b9aa1f | 2.82 GB |
Em quais computadores
| Computador | Requisitos | Velocidade |
|---|---|---|
| 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
| Versão | Lançamento | Requer o app |
|---|---|---|
| 1.0.2Mais recente | 0.32.0-beta.6 ou mais recente | |
| 1.0.1 | 0.32.0-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-voicedesignRequisitos
- AI Game Dev 0.32.0-beta.6 ou mais recente
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign