# Qwen3-TTS 0.6B Base（語音模型）

> 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。

- ID: `aigd.audio-qwen3-tts-0-6b-base`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.2 (發佈於 2026-11-22)
- 授權條款: Apache-2.0
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.audio-qwen3-tts-0-6b-base

## 安裝

在專案資料夾中，使用 gamedev CLI：

```bash
gamedev pkg add aigd.audio-qwen3-tts-0-6b-base
```

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 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

````markdown
# Qwen3-TTS 0.6B Base（聲音複製）（`aigd.audio-qwen3-tts-0-6b-base`）

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](https://ai-game.dev/packages/aigd.audio-qwen3-tts-0-6b-base) | 參考音檔（複製） | 否 | 1.99 GB | 約 4 GB |
| [Qwen3-TTS 1.7B Base](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-base) | 參考音檔（複製） | 否 | 2.70 GB | 約 6 GB |
| [Qwen3-TTS 1.7B CustomVoice](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | 九種內建嗓音 | yes | 2.82 GB | 約 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-0.6B-Base-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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-0.6B-Base)（`license: apache-2.0`），[授權條文](https://www.apache.org/licenses/LICENSE-2.0)。
- Qwen3-TTS-Tokenizer-12Hz（語音編碼器，封裝在 GGUF 檔案內）© Qwen team — [模型卡](https://huggingface.co/Qwen/Qwen3-TTS-Tokenizer-12Hz)，Apache-2.0。
- GGUF 封裝：[`audio-cpp/audio.cpp-gguf`](https://huggingface.co/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。
````
