# Qwen3-TTS 1.7B VoiceDesign (modelo de fala)

> 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.

- Id: `aigd.audio-qwen3-tts-1-7b-voicedesign`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: Apache-2.0
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.audio-qwen3-tts-1-7b-voicedesign

## Instalar

Com o CLI gamedev, na pasta do projeto:

```bash
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign
```

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.audio-qwen3-tts-1-7b-voicedesign` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

````markdown
# Qwen3-TTS 1.7B VoiceDesign (`aigd.audio-qwen3-tts-1-7b-voicedesign`)

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](https://ai-game.dev/packages/aigd.audio-qwen3-tts-0-6b-base) | um clipe de referência (clonagem) | não | 1.99 GB | cerca de 4 GB |
| [Qwen3-TTS 1.7B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-base) | um clipe de referência (clonagem) | não | 2.70 GB | cerca de 6 GB |
| [Qwen3-TTS 1.7B CustomVoice](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | nove vozes integradas | yes | 2.82 GB | cerca de 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-VoiceDesign-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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign) (`license: apache-2.0`), [texto da licença](https://www.apache.org/licenses/LICENSE-2.0).
- Qwen3-TTS-Tokenizer-12Hz (o codec de fala, embutido no arquivo GGUF) © equipe Qwen — [ficha do modelo](https://huggingface.co/Qwen/Qwen3-TTS-Tokenizer-12Hz), Apache-2.0.
- Empacotamento GGUF: [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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.
````
