本页由英文机器翻译而成。阅读英文原文。

Qwen3-TTS 1.7B CustomVoice(语音模型)

官方音频GPUv1.0.2aigd.audio-qwen3-tts-1-7b-customvoice
安装 还没安装应用?免费下载
或从终端安装
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice
在你的电脑上运行。 只需下载一次模型,之后即可在这台电脑的 GPU 上生成。

概览

Qwen3-TTS 1.7B CustomVoice:文本转语音,内置九种音色,支持情绪与演绎指令(“兴奋,快”“低语,悲伤”),覆盖 10 种语言,24 kHz,适用于 NPC 对白和旁白。通过 audio.cpp 在你的 GPU 上本地运行。Apache-2.0,允许商业使用。

Qwen3-TTS 1.7B CustomVoice 是 Alibaba Cloud 的 Qwen3-TTS 系列中的内置音色模型:九种现成音色、10 种语言,并支持“兴奋,快”或“低语,悲伤”这样的情绪与演绎指令。无需录音。在 AI Game Dev 应用中,它通过本地音频生成(aigd.audiocpp,即 audio.cpp 运行时)在你的 GPU 上本地运行,因此每句对白都不产生费用。它适合希望快速获得富有表现力的 NPC 音色的游戏开发者,采用 Apache-2.0 许可,允许商业使用。

你可以制作什么

  • 为每个角色配上不同内置音色的 NPC 对白。
  • 剧情场景的情绪化演绎:兴奋、开心、悲伤、低语、快速或缓慢。
  • 旁白、新手引导配音和播报台词。
  • 为本地化版本提供 10 种语言的对白。

示例请求

  • “让 Ryan 说‘我们现在就得离开这儿!’——害怕、语速快。”
  • “用 Serena 朗读 dialogue/intro.txt 里的开场旁白,平静、温暖。”
  • “让 Ono_Anna 用日语向玩家打招呼,语气愉快。”
  • “把反派台词‘你来得太晚了’交给 Aiden,低语、阴森。”

亮点

项目值
音色Vivian、Serena、Uncle_Fu、Dylan、Eric、Ryan、Aiden、Ono_Anna、Sohee(默认 Ryan)
情绪与演绎诸如“非常开心”“低语、悲伤”或“快速而兴奋”的指令
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);更长的文本请分成有序片段
可复现设置种子即可复现同一结果

Dylan 说中文时带北京口音,Eric 带四川口音。模型会自行识别文本的语言;语言设置仅供参考。

本包只包含数据,其中指明了模型文件。你确认后应用会下载该文件,用 sha256 校验,并在你的电脑上通过 audio.cpp 运行。

该选哪个 Qwen3-TTS 包

四个包都运行在同一个运行时上,支持同样的 10 种语言,输出 24 kHz 单声道 WAV。它们的区别在于音色如何确定:

包音色来源情绪指令下载大小显存占用(估算)
Qwen3-TTS 0.6B Base一段参考音频(克隆)否1.99 GB约 4 GB
Qwen3-TTS 1.7B Base一段参考音频(克隆)否2.70 GB约 6 GB
Qwen3-TTS 1.7B CustomVoice九个内置音色yes2.82 GB约 6 GB
Qwen3-TTS 1.7B VoiceDesign一段描述音色的文字是,写在描述里2.82 GB约 6 GB
  • 克隆真实音色(你自己的,或经演员同意的):显存较小时用 0.6B Base,有约 6 GB 显存时用 1.7B Base。
  • 使用现成音色并控制情绪:1.7B CustomVoice。
  • 仅凭文字创造全新的角色音色:1.7B VoiceDesign。

下载

2.82 GB,单个文件,固定到某个 Hugging Face 提交:

文件来源大小
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf(talker 与 12 Hz 语音编解码器合并在一个文件中)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 GB

适用电脑

电脑要求速度
NVIDIA GPU(CUDA)或其他 GPU(Vulkan)约 6 GB 显存(估算)尚未实测
Apple 芯片的 Mac(Metal)约 8 GB 内存(估算)尚未实测

这些内存数字是根据文件大小和 Qwen 对原模型的说明估算的,发布前会在真实 GPU 上验证。

许可

Apache-2.0。允许将模型及其生成的语音用于商业用途。

  • Qwen3-TTS-12Hz-1.7B-CustomVoice © Qwen 团队,Alibaba Cloud — 模型卡(license: apache-2.0),许可证文本。
  • Qwen3-TTS-Tokenizer-12Hz(语音编解码器,打包在 GGUF 文件内)© Qwen 团队 — 模型卡,Apache-2.0。
  • GGUF 打包:audio-cpp/audio.cpp-gguf — 该仓库的说明卡将 Qwen3-TTS 的 GGUF 包标注为 Apache-2.0,并受原模型许可证约束。

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

限制,直说:除上述声明要求外,许可证没有其他限制——没有地域限制,没有收入上限,没有水印。你需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。

版本

Qwen3-TTS 1.7B CustomVoice(语音模型) 的发布版本
版本发布时间需要应用
1.0.2最新0.32.0-beta.6 或更高版本
1.0.10.32.0-beta.6 或更高版本

安装

在桌面应用中安装

打开包窗口(状态栏中的包图标),选择浏览,搜索 aigd.audio-qwen3-tts-1-7b-customvoice,然后点击添加到项目。

还没安装应用?免费下载 AI Game Dev,支持 Windows、macOS 和 Linux。

从终端安装

在项目文件夹中使用 gamedev CLI:

gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice

环境要求

  • AI Game Dev 0.32.0-beta.6 或更高版本

进一步了解包

安装
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice