Qwen3-TTS 0.6B Base(語音模型)
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base總覽
Qwen3-TTS 0.6B Base:文字轉語音,能複製短參考音檔(3 秒以上)的嗓音,支援 10 種語言、24 kHz,適合角色對白與旁白。較小型的聲音複製模型,適用於約 4 GB 的 GPU(估算)。透過 audio.cpp 在本機執行。Apache-2.0,允許商業使用。
Qwen3-TTS 0.6B Base 是 Alibaba Cloud 的 Qwen3-TTS 系列中較小型的聲音複製模型。它能用短參考音檔(3 秒以上)的嗓音朗讀任何文字,支援 10 種語言,且能裝進較小的 GPU。在 AI Game Dev 應用程式中,它透過 Local audio generation(aigd.audiocpp,audio.cpp 執行環境)在本機執行,因此每句對白都不花任何成本。它適合想用自己的聲音(或在演員同意下用演員的聲音)為角色配音的遊戲開發者,只要約 4 GB 顯示記憶體的 GPU(估算),授權為 Apache-2.0,允許商業使用。
你可以製作什麼
- 用你錄過一次的聲音呈現 NPC 對白與旁白。
- 在原型開發階段、正式錄音之前,用自己的聲音製作暫代語音。
- 為在地化版本提供多達 10 種語言的同一個角色嗓音。
- 教學旁白、播報台詞與無線電通話。
範例指令
- 「用我的錄音
voice/me.wav,以dialogue/tutorial.txt朗讀教學台詞。」 - 「複製
voice/captain.wav中的嗓音,然後說:『守住防線!援軍馬上就到。』」 - 「用
voice/shopkeeper.wav讓店老闆分別用英文、德文和日文說『歡迎回來,旅人』。」
重點特色
| 規格 | 數值 |
|---|---|
| 嗓音 | 從 3–30 秒的 WAV 音檔複製;逐字稿為選填 |
| 語言 | 中文、英文、日文、韓文、德文、法文、俄文、葡萄牙文、西班牙文、義大利文 |
| 輸出 | 24 kHz 單聲道 WAV,儲存到你的專案中 |
| 每次請求的文字量 | 最多 600 個字元(約 40 秒英文語音);較長的文字請分成有序的段落 |
| 可重現 | 相同的種子可重現相同結果 |
- 聲音複製:加入一段 WAV 音檔(3–30 秒、單一人員清楚說話)作為 Voice to clone。提供其精確逐字稿為選填,可獲得最接近的相似度;若不提供,模型只會依說話者的音色進行複製(
x_vector_only_mode)。模型本身沒有內建嗓音:每次請求都需要一段音檔。 - 不支援情緒指令:如需情緒控制,請改用 CustomVoice 或 VoiceDesign(見下文)。
模型會自行偵測文字的語言;語言設定僅供參考。
這個套件只包含資料。它指出模型檔案。應用程式會在你確認後下載該檔案,以 sha256 檢查,並在你的電腦上用 audio.cpp 執行。
該選哪個 Qwen3-TTS 套件
這四個套件都透過相同的執行環境運作、都支援同樣的 10 種語言,並輸出 24 kHz 單聲道 WAV。差別在於嗓音的選擇方式:
| 套件 | 嗓音來源 | 情緒指令 | 下載 | 顯示記憶體(估算) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | 參考音檔(複製) | 否 | 1.99 GB | 約 4 GB |
| Qwen3-TTS 1.7B Base | 參考音檔(複製) | 否 | 2.70 GB | 約 6 GB |
| Qwen3-TTS 1.7B CustomVoice | 九種內建嗓音 | yes | 2.82 GB | 約 6 GB |
| Qwen3-TTS 1.7B VoiceDesign | 以文字描述嗓音 | 是,寫在描述中 | 2.82 GB | 約 6 GB |
- 複製真實嗓音(你自己的,或在演員同意下用演員的):GPU 較小時選 0.6B Base,有約 6 GB 顯示記憶體時選 1.7B Base。
- 使用現成嗓音並控制情緒:1.7B CustomVoice。
- 只靠文字描述創造全新的角色嗓音:1.7B VoiceDesign。
下載
1.99 GB,單一檔案,鎖定在特定的 Hugging Face commit:
| 檔案 | 來源 | 大小 |
|---|---|---|
qwen3-tts-12hz-0.6b-base-q8_0.gguf(talker、說話者編碼器與 12 Hz 語音編碼器都封裝在同一個檔案中) | audio-cpp/audio.cpp-gguf @ b7b9aa1f | 1.99 GB |
適用電腦
| 電腦 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU(CUDA)或其他 GPU(Vulkan) | 約 4 GB 顯示記憶體(估算) | 尚未實測 |
| 搭載 Apple 晶片的 Mac(Metal) | 約 8 GB 記憶體(估算) | 尚未實測 |
記憶體數字是根據檔案大小與 Qwen 對原始模型公布的數據所做的估算,並會在發布前於實際 GPU 上驗證。
授權
Apache-2.0。允許將此模型及它生成的語音用於商業用途。
- Qwen3-TTS-12Hz-0.6B-Base © Qwen team, Alibaba Cloud — 模型卡(
license: apache-2.0),授權條文。 - Qwen3-TTS-Tokenizer-12Hz(語音編碼器,封裝在 GGUF 檔案內)© Qwen team — 模型卡,Apache-2.0。
- GGUF 封裝:
audio-cpp/audio.cpp-gguf— 該儲存庫的說明卡將 Qwen3-TTS GGUF 套件列為 Apache-2.0,並受原始模型授權規範。
重新散布權重時必須標示的姓名標示:保留 Apache-2.0 授權條文及其關於 Qwen3-TTS 的聲明。你生成的語音則無需標示。
限制說明(直白版):除了上述的聲明要求外,授權沒有任何其他限制——沒有限制地區、沒有營收上限、沒有浮水印。只能複製你有權使用的嗓音(你自己的,或經說話者同意):不得用於冒充他人、詐欺與散布不實資訊,且關於聲音肖像的法規同樣適用。你必須對自己生成的內容負責。
所有檔案都從 Hugging Face 下載。AI Game Dev 並未自行託管這些檔案。
版本
| 版本 | 發布日期 | 需搭配應用程式 |
|---|---|---|
| 1.0.2最新 | 0.32.0-beta.6 或更新版本 | |
| 1.0.1 | 0.32.0-beta.6 或更新版本 |
安裝
在桌面應用程式中
開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.audio-qwen3-tts-0-6b-base,然後點選 加到專案。
還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。
從終端機
在你的專案資料夾中,使用 gamedev CLI:
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base需求
- AI Game Dev 0.32.0-beta.6 或更新版本
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base