Qwen3-TTS 1.7B Base(語音模型)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base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 | yes | 2.82 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 @ b7b9aa1f | 2.70 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
| 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-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
gamedev pkg add aigd.audio-qwen3-tts-1-7b-base