# Qwen3-TTS 1.7B VoiceDesign（语音模型）

> 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。

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

## 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-voicedesign
```

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-voicedesign`，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 VoiceDesign (`aigd.audio-qwen3-tts-1-7b-voicedesign`)

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](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) | 九个内置嗓音 | 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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-VoiceDesign-GGUF) @ `b7b9aa1f` | 2.82 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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign)（`license: apache-2.0`），[许可全文](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。
````
