# Qwen3-TTS 0.6B Base（语音模型）

> Qwen3-TTS 0.6B Base：文本转语音，能用一段 3 秒或更长的参考片段克隆声音，支持 10 种语言，24 kHz，适合角色对白和旁白。较小的克隆模型，适用于约 4 GB 显存的 GPU（估算）。通过 audio.cpp 在本地运行。Apache-2.0，允许商业使用。

- ID: `aigd.audio-qwen3-tts-0-6b-base`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: Apache-2.0
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.audio-qwen3-tts-0-6b-base

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.audio-qwen3-tts-0-6b-base`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# Qwen3-TTS 0.6B Base（声音克隆）（`aigd.audio-qwen3-tts-0-6b-base`）

Qwen3-TTS 0.6B Base 是阿里云 Qwen3-TTS 家族中较小的声音克隆模型。它能用一段 3 秒或更长的参考片段的声音，说出 10 种语言的任意文本，并且能装进较小的 GPU。在 AI Game Dev 应用中，它通过**本地音频生成**（`aigd.audiocpp`，即 audio.cpp 运行时）在本地运行，因此每句对白都不产生成本。它适合这样的游戏开发者：想用自己的声音、或在获得演员同意后使用演员的声音，在约 4 GB 显存的 GPU 上为角色配音（估算值），采用 Apache-2.0 许可，允许商业使用。

## 你可以制作什么

- 用你录制过一次的声音制作 NPC 对白和旁白。
- 在原型阶段、正式录音之前，用你自己的声音做占位语音。
- 为本地化版本提供最多 10 种语言的同一角色声音。
- 教程旁白、播报员台词和无线电通话。

## 示例请求

- “用我的录音 `voice/me.wav`，朗读 `dialogue/tutorial.txt` 中的教程台词。”
- “克隆 `voice/captain.wav` 中的声音，并说：‘守住阵线！增援马上就到。’”
- “让店主用英语、德语和日语说‘欢迎回来，旅人’，使用 `voice/shopkeeper.wav`。”

## 亮点

| 规格 | 值 |
|---|---|
| 声音 | 从 3–30 秒的 WAV 片段克隆；转录文本可选 |
| 语言 | 中文、英语、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语、意大利语 |
| 输出 | 24 kHz 单声道 WAV，保存到你的项目中 |
| 每次请求的文本 | 最多 600 个字符（约 40 秒英语语音）；更长的文本按顺序分段处理 |
| 可重复 | 相同种子可重复得到相同结果 |

- **声音克隆**：添加一段 WAV 片段（3–30 秒，一个人清晰地说话）作为 *Voice to clone*。它的准确转录文本是可选的，提供后能得到最接近的相似度；不提供时，模型只根据说话人的音色进行克隆（`x_vector_only_mode`）。模型本身没有声音：每次请求都需要一段片段。
- 无情绪指令：如需情绪控制，请使用 CustomVoice 或 VoiceDesign（见下文）。

模型会自行识别文本的语言；语言设置仅供参考。

此包只包含数据。它指明模型文件。应用在你确认后下载该文件，用 sha256 校验，然后通过 audio.cpp 在你的电脑上运行。

## 如何选择 Qwen3-TTS 包

这四个包都通过同一个运行时运行，支持同样的 10 种语言，并输出 24 kHz 单声道 WAV。它们的区别在于声音的来源方式：

| 包 | 声音来自 | 情绪指令 | 下载 | 显存（估算） |
|---|---|---|---:|---|
| [Qwen3-TTS 0.6B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-0-6b-base) | 参考片段（克隆） | 否 | 1.99 GB | 约 4 GB |
| [Qwen3-TTS 1.7B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-base) | 参考片段（克隆） | 否 | 2.70 GB | 约 6 GB |
| [Qwen3-TTS 1.7B CustomVoice](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | 九个内置声音 | yes | 2.82 GB | 约 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-voicedesign) | 对声音的文字描述 | 是，写在描述中 | 2.82 GB | 约 6 GB |

- 克隆真实声音（你自己的，或经同意的演员声音）：显存较小时用 **0.6B Base**，有约 6 GB 显存时用 **1.7B Base**。
- 使用现成声音并控制情绪：**1.7B CustomVoice**。
- 仅凭文字创造全新的角色声音：**1.7B VoiceDesign**。

## 下载

1.99 GB，一个文件，固定在某个 Hugging Face 提交上：

| 文件 | 来源 | 大小 |
|---|---|---:|
| `qwen3-tts-12hz-0.6b-base-q8_0.gguf`（talker、说话人编码器和 12 Hz 语音编解码器合于一个文件） | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-0.6B-Base-GGUF) @ `b7b9aa1f` | 1.99 GB |

## 适用电脑

| 电脑 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 约 4 GB 显存（估算） | 尚未测量 |
| 搭载 Apple 芯片的 Mac（Metal） | 约 8 GB 内存（估算） | 尚未测量 |

这些内存数字是根据文件大小和 Qwen 对原始模型的说明估算的，并会在发布前于真实 GPU 上验证。

## 许可

Apache-2.0。允许将该模型及其生成的语音用于商业用途。

- Qwen3-TTS-12Hz-0.6B-Base © Qwen team, Alibaba Cloud — [模型卡](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-0.6B-Base)（`license: apache-2.0`），[许可文本](https://www.apache.org/licenses/LICENSE-2.0)。
- Qwen3-TTS-Tokenizer-12Hz（语音编解码器，打包在 GGUF 文件内）© Qwen team — [模型卡](https://huggingface.co/Qwen/Qwen3-TTS-Tokenizer-12Hz)，Apache-2.0。
- GGUF 打包：[`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf) — 该仓库的卡片将 Qwen3-TTS 的 GGUF 包标注为 Apache-2.0，受原始模型许可约束。

重新分发权重时必须署名：保留 Apache-2.0 许可文本及其关于 Qwen3-TTS 的声明。你生成的语音无需署名。

限制条件，直说：除上述声明要求外，许可中没有其他限制——没有地域限制、没有收入上限、没有水印。只能克隆你有权使用的声音（你自己的声音，或经说话人同意）：不允许冒充、欺诈和散布虚假信息，关于声音肖像的法律同样适用。你要对自己生成的内容负责。

所有文件都从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
