本页由英文机器翻译而成。阅读英文原文。

Qwen3-TTS 1.7B VoiceDesign(语音模型)

官方音频GPUv1.0.2aigd.audio-qwen3-tts-1-7b-voicedesign
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-voicedesign
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 VoiceDesign:文本转语音,可根据文字描述(“一位粗犷的老水手,低沉而缓慢”)设计全新嗓音,同时设定情绪与表达方式,支持 10 种语言、24 kHz,适合角色配音。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 VoiceDesign 是 Alibaba Cloud 的 Qwen3-TTS 系列中的嗓音设计模型:它根据文字描述(“一位粗犷的老水手,低沉而缓慢”)创造全新的嗓音,并能用 10 种语言说话。这段描述同时设定情绪和表达方式。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任何成本。它适合需要大量不同角色嗓音却不想录音的游戏开发者,采用 Apache-2.0 许可,允许商业使用。

你可以做什么

  • 为每个 NPC 设计独一无二的嗓音,用文字描述:年龄、性格、语气和语速。
  • 为整个角色阵容打造对比鲜明的嗓音:年老与年轻、粗犷与温柔、快与慢。
  • 带有特定情绪的旁白与播音员。
  • 为本地化版本提供 10 种语言的对话。

示例请求

  • “做一个粗犷的老水手嗓音,低沉而缓慢,让他说:‘暴风雨要来了。把一切都绑牢。’”
  • “创建一个温暖的成年旁白,朗读 dialogue/prologue.txt。”
  • “给哥布林商人一个尖细、语速快、狡黠的嗓音,并用 dialogue/merchant.txt 为台词配音。”

亮点

规格值
嗓音由文字描述设计;未提供描述时模型自行挑选嗓音
情绪与表达由同一段描述设定
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的段输入
可复现相同的种子可复现相同结果

模型会自行检测文本的语言;语言设置仅供参考。

此包仅包含数据。它指明模型文件。在你确认后,应用会下载该文件,用 sha256 校验,并在你的电脑上用 audio.cpp 运行。

该选哪个 Qwen3-TTS 包

这四个包都通过同一运行时运行,支持同样的 10 种语言,输出 24 kHz 单声道 WAV。它们的区别在于如何选择嗓音:

包嗓音来源情绪指令下载GPU 内存(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九个内置嗓音yes2.82 GB约 6 GB
Qwen3-TTS 1.7B VoiceDesign对嗓音的文字描述是,写在描述里2.82 GB约 6 GB
  • 克隆真实嗓音(你自己的,或经演员同意的):显存较小的 GPU 选 0.6B Base,有约 6 GB 显存时选 1.7B Base。
  • 使用现成嗓音并调节情绪:1.7B CustomVoice。
  • 仅凭文字创造新的角色嗓音:1.7B VoiceDesign。

下载

2.82 GB,单个文件,固定在某个 Hugging Face 提交上:

文件来源大小
qwen3-tts-12hz-1.7b-voicedesign-q8_0.gguf(talker 与 12 Hz 语音编解码器合于一个文件)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 GB

适用电脑

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

内存数据是根据文件大小和 Qwen 对原模型的数值估算的,并会在发布前于真实 GPU 上核验。

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-1.7B-VoiceDesign © Qwen team, Alibaba Cloud — 模型卡(license: apache-2.0),许可全文。
  • Qwen3-TTS-Tokenizer-12Hz(语音编解码器,打包在 GGUF 文件内)© Qwen team — 模型卡,Apache-2.0。
  • GGUF 打包:audio-cpp/audio.cpp-gguf — 该仓库的说明将 Qwen3-TTS GGUF 包列为 Apache-2.0,受原模型许可约束。

再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。

限制说明,直白地说:除上述声明要求外,许可没有任何限制——没有地域限制,没有收入上限,没有水印。你要对自己生成的内容负责。

所有文件均从 Hugging Face 下载。AI Game Dev 不托管这些文件。

版本

Qwen3-TTS 1.7B VoiceDesign(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-voicedesign,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-voicedesign

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-voicedesign