# Qwen3-TTS 1.7B CustomVoice（語音模型）

> 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。

- ID: `aigd.audio-qwen3-tts-1-7b-customvoice`
- 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-1-7b-customvoice

## 安裝

在專案資料夾中，使用 gamedev CLI：

```bash
gamedev pkg add aigd.audio-qwen3-tts-1-7b-customvoice
```

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 **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 1.7B CustomVoice (`aigd.audio-qwen3-tts-1-7b-customvoice`)

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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-customvoice) | 九種內建聲音 | yes | 2.82 GB | 約 6 GB |
| [Qwen3-TTS 1.7B VoiceDesign](https://ai-game.dev/packages/aigd.audio-qwen3-tts-1-7b-voicedesign) | 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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-CustomVoice-GGUF) @ `b7b9aa1f` | 2.82 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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice)（`license: apache-2.0`），[授權條款](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 團隊 — [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。
````
