# Qwen3-TTS 1.7B CustomVoice（语音模型）

> 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。

- ID: `aigd.audio-qwen3-tts-1-7b-customvoice`
- 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-1-7b-customvoice

## 安装

使用 gamedev CLI，在项目文件夹中运行：

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

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-1-7b-customvoice`，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 1.7B CustomVoice (`aigd.audio-qwen3-tts-1-7b-customvoice`)

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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | 九个内置音色 | yes | 2.82 GB | 约 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-CustomVoice-GGUF) @ `b7b9aa1f` | 2.82 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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice)（`license: apache-2.0`），[许可证文本](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 团队 — [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。
````
