本頁面由英文機器翻譯而成。閱讀英文原文。

Qwen3-TTS 1.7B CustomVoice(語音模型)

官方音訊GPUv1.0.2aigd.audio-qwen3-tts-1-7b-customvoice
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-customvoice
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 CustomVoice:文字轉語音,內建九種聲音,並支援情緒與語氣指示(「興奮、語速快」、「耳語、悲傷」),涵蓋 10 種語言,24 kHz,適合 NPC 對白與旁白。透過 audio.cpp 在你的 GPU 上本機執行。Apache-2.0,允許商業使用。

Qwen3-TTS 1.7B CustomVoice 是 Alibaba Cloud 的 Qwen3-TTS 系列中採用內建聲音的模型:九種現成聲音、10 種語言,並可下達「興奮、語速快」或「耳語、悲傷」這類情緒與語氣指示。完全不需要錄音。在 AI Game Dev 應用程式中,它透過 本機音訊生成(aigd.audiocpp,也就是 audio.cpp 執行環境)在你的 GPU 上本機執行,因此每句對白都不會產生任何費用。它適合想快速為 NPC 配上豐富情緒聲音的遊戲開發者,授權為 Apache-2.0,允許商業使用。

你可以製作的內容

  • 為每個角色配上不同內建聲音的 NPC 對白。
  • 劇情場景的情緒化演出:興奮、開心、悲傷、耳語、語速快或慢。
  • 旁白、教學語音導引與播報員台詞。
  • 在地化版本所需的 10 種語言對白。

範例請求

  • 「讓 Ryan 說『我們得馬上離開這裡!』—— 害怕、語速快。」
  • 「用 Serena 以平靜溫暖的語氣朗讀 dialogue/intro.txt 裡的開場旁白。」
  • 「讓 Ono_Anna 用日文開朗地向玩家打招呼。」
  • 「把反派台詞『你來得太晚了』交給 Aiden,用耳語、帶威脅感。」

重點特色

規格值
聲音Vivian、Serena、Uncle_Fu、Dylan、Eric、Ryan、Aiden、Ono_Anna、Sohee(預設 Ryan)
情緒與語氣例如「非常開心」、「耳語、悲傷」或「又快又興奮」這類指示
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,儲存在你的專案中
每次請求的文字量最多 600 個字元(約 40 秒的英文語音);更長的文字請分成有順序的段落
可重現相同的種子可重現相同的結果

Dylan 說中文時帶北京口音,Eric 帶四川口音。模型會自行偵測文字的語言;語言設定僅供參考。

這個套件只有資料。它指明模型檔案。應用程式會在你確認後下載,並以 sha256 檢查,然後在你的電腦上用 audio.cpp 執行。

該選哪個 Qwen3-TTS 套件

四者都透過同一個執行環境運行,支援相同的 10 種語言,並輸出 24 kHz 單聲道 WAV。差別在於聲音的選擇方式:

套件聲音來源情緒指示下載GPU 記憶體(估計)
Qwen3-TTS 0.6B Base參考音檔(複製聲線)不支援1.99 GB約 4 GB
Qwen3-TTS 1.7B Base參考音檔(複製聲線)不支援2.70 GB約 6 GB
Qwen3-TTS 1.7B CustomVoice九種內建聲音yes2.82 GB約 6 GB
Qwen3-TTS 1.7B VoiceDesign聲音的文字描述支援,寫在描述裡2.82 GB約 6 GB
  • 複製真實聲音(你自己的,或經演員同意的):GPU 較小時用 0.6B Base,有約 6 GB GPU 記憶體時用 1.7B Base。
  • 使用現成聲音並調整情緒:1.7B CustomVoice。
  • 只用文字憑空創造新的角色聲音:1.7B VoiceDesign。

下載

2.82 GB,單一檔案,固定於 Hugging Face 的特定 commit:

檔案來源大小
qwen3-tts-12hz-1.7b-customvoice-q8_0.gguf(talker 與 12 Hz 語音編碼器整合在同一個檔案)audio-cpp/audio.cpp-gguf @ b7b9aa1f2.82 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

記憶體數字是根據檔案大小與 Qwen 對原始模型的數據所做的估計,並會在發布前於實際 GPU 上驗證。

授權

Apache-2.0。允許將模型及其生成的語音用於商業用途。

  • Qwen3-TTS-12Hz-1.7B-CustomVoice © Qwen 團隊,Alibaba Cloud — 模型卡(license: apache-2.0),授權條款。
  • Qwen3-TTS-Tokenizer-12Hz(語音編碼器,封裝在 GGUF 檔案內)© Qwen 團隊 — 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 GGUF 套件列為 Apache-2.0,並受原始模型授權條款規範。

重新散布權重時必須標示出處:保留 Apache-2.0 授權條款全文與 Qwen3-TTS 的相關聲明。你生成的語音則無需標示出處。

限制說明:除了上述的聲明要求外,授權條款沒有其他限制 —— 沒有地區限制、沒有營收上限、沒有浮水印。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 不自行託管這些檔案。

版本

Qwen3-TTS 1.7B CustomVoice(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-customvoice,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-customvoice

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-customvoice