本頁面由英文機器翻譯而成。閱讀英文原文。

Qwen3-TTS 1.7B Base(語音模型)

官方音訊GPUv1.0.2aigd.audio-qwen3-tts-1-7b-base
安裝 還沒安裝應用程式?免費下載
或在終端機中執行
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base
在你的電腦上執行。 只需下載一次模型,之後便在這台電腦的 GPU 上生成。

總覽

Qwen3-TTS 1.7B Base:文字轉語音,可用 3 秒以上的簡短參考音檔複製音色,支援 10 種語言、24 kHz,適合角色對白與旁白。這是較大的音色複製模型,適合約 6 GB 的 GPU(估計值)。透過 audio.cpp 在本機執行。Apache-2.0,允許商業使用。

Qwen3-TTS 1.7B Base 是 Alibaba Cloud 的 Qwen3-TTS 系列中較大的音色複製模型。它能用 3 秒以上簡短參考音檔的音色,朗讀任何文字,支援 10 種語言;若一併提供該音檔的逐字稿,相似度最高。在 AI Game Dev 應用程式中,它透過 本機音訊生成(aigd.audiocpp,即 audio.cpp 執行環境)在你的 GPU 上本機執行,因此每一句對白都不需要任何成本。它適合想把角色配上自己的聲音、或經演員同意後配上演員聲音的遊戲開發者,授權為 Apache-2.0,允許商業使用。

你可以製作的內容

  • 以你錄製過一次的聲音呈現的 NPC 對白與旁白。
  • 製作原型、還沒正式錄音時,先用你自己的聲音當作暫代對白。
  • 同一個角色音色可用於最多 10 種語言,供在地化版本使用。
  • 教學旁白、播報員台詞與無線電通話內容。

範例請求

  • 「用我的錄音 voice/me.wav 和它的逐字稿,朗讀 dialogue/quest-03.txt 裡的任務台詞。」
  • 「複製 voice/narrator.wav 中的音色,為第二章的開場錄旁白。」
  • 「用 voice/guard.wav,讓守衛分別以英文、法文和韓文說出『站住!什麼人?』。」

重點特色

規格值
音色從 3–30 秒的 WAV 音檔複製;逐字稿為選填(提供時相似度最高)
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 秒的英文語音);較長的文字請分成有序的多段送出
可重現相同的 seed 可重現相同的結果
  • 音色複製:把一段 WAV 音檔(3–30 秒、單人清晰說話)加為 要複製的音色。它的精確逐字稿為選填,提供時相似度最高;不提供時,模型只依說話者的音色特質複製(x_vector_only_mode)。模型本身沒有既定的聲音:每次請求都需要一段音檔。
  • 沒有情緒指令:若需要情緒控制,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。

此套件只包含資料。它指明模型檔案。在你確認之後,應用程式會下載該檔案、以 sha256 校驗,並在你的電腦上透過 audio.cpp 執行。

該選哪一個 Qwen3-TTS 套件

四者都透過相同的執行環境運作、都說同樣 10 種語言,並輸出 24 kHz 單聲道 WAV。差別在於音色是怎麼選的:

套件音色來源情緒指令下載GPU 記憶體(估計)
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九種內建音色yes2.82 GB約 6 GB
Qwen3-TTS 1.7B VoiceDesign音色的文字描述是,寫在描述中2.82 GB約 6 GB
  • 複製真實音色(你自己的,或經演員同意的):GPU 較小時選 0.6B Base,有約 6 GB GPU 記憶體時選 1.7B Base。
  • 使用現成音色並控制情緒:1.7B CustomVoice。
  • 只憑文字描述創造全新的角色音色:1.7B VoiceDesign。

下載

2.70 GB,單一檔案,固定在特定的 Hugging Face commit:

檔案來源大小
qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf(talker、說話者編碼器與 12 Hz 語音編解碼器都整合在同一個檔案中)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.70 GB

適用電腦

電腦需求速度
NVIDIA GPU(CUDA)或其他 GPU(Vulkan)約 6 GB GPU 記憶體(估計)尚未實測
搭載 Apple 晶片的 Mac(Metal)約 8 GB 記憶體(估計)尚未實測

記憶體數字是依檔案大小與 Qwen 原模型的數據推估而來,並會在發行前於實際 GPU 上驗證。

授權

Apache-2.0。允許將模型及它所生成的語音用於商業用途。

  • Qwen3-TTS-12Hz-1.7B-Base © Qwen team, Alibaba Cloud — 模型卡(license: apache-2.0)、授權條文。
  • Qwen3-TTS-Tokenizer-12Hz(語音編解碼器,封裝在 GGUF 檔案內)© Qwen team — 模型卡,Apache-2.0。
  • GGUF 封裝:audio-cpp/audio.cpp-gguf — 該儲存庫的說明頁將 Qwen3-TTS 的 GGUF 套件列為 Apache-2.0,並受原模型授權約束。

重新散布權重時必須標註來源:保留 Qwen3-TTS 的 Apache-2.0 授權條文與其聲明。你所生成的語音則無需標註。

限制,簡單說:除上述的聲明要求外,授權沒有其他限制——沒有地區限制、沒有營收上限、沒有浮水印。只能複製你有權使用的音色(你自己的,或經說話者同意的):不允許冒充他人、詐欺與散布不實資訊,且關於聲音相似性的法律亦適用。你要為自己生成的內容負責。

所有檔案都從 Hugging Face 下載。AI Game Dev 並不自行託管這些檔案。

版本

Qwen3-TTS 1.7B Base(語音模型) 的發布版本
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
1.0.10.32.0-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-1-7b-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-1-7b-base

需求

  • AI Game Dev 0.32.0-beta.6 或更新版本

進一步瞭解套件

安裝
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base