Qwen3-TTS 1.7B VoiceDesign(語音模型)
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign總覽
Qwen3-TTS 1.7B VoiceDesign:以文字描述設計全新聲音的文字轉語音模型(「一位粗啞的老水手,低沉而緩慢」),同一段描述也會決定情緒與語氣,支援 10 種語言、24 kHz,適合角色配音。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 VoiceDesign 是 Alibaba Cloud 的 Qwen3-TTS 系列中負責聲音設計的模型:它會依文字描述(「一位粗啞的老水手,低沉而緩慢」)創造全新聲音,並以 10 種語言說話。描述同時決定情緒與語氣。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會產生費用。它適合需要大量不同角色聲音、又不想錄音的遊戲開發者,授權為 Apache-2.0,允許商業使用。
你可以製作的內容
- 為每個 NPC 打造專屬聲音,用文字描述:年齡、性格、音色與語速。
- 為整個角色陣容做出對比鮮明的聲音:年老與年輕、粗啞與溫柔、快速與緩慢。
- 帶有特定情緒的旁白與播報員。
- 以 10 種語言錄製對白,方便製作在地化版本。
範例請求
- 「做一個粗啞的老水手聲音,低沉而緩慢,讓他說:『暴風雨要來了。把東西都綁好。』」
- 「建立一位溫暖的成人旁白,朗讀
dialogue/prologue.txt。」 - 「給哥布林商人一個尖細、快速、狡猾的聲音,並用
dialogue/merchant.txt為台詞配音。」
重點特色
| 規格 | 值 |
|---|---|
| 聲音 | 由文字描述設計;若未提供描述,模型會自行挑選聲音 |
| 情緒與語氣 | 由同一段描述設定 |
| 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);較長的文字需分成有序段落 |
| 可重現 | 使用種子可重現相同結果 |
模型會自行偵測文字的語言;語言設定僅供參考。
此套件僅包含資料,內容指名模型檔案。應用程式會在你確認後下載它、以 sha256 檢查,並在你的電腦上透過 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,支援同樣的 10 種語言,並輸出 24 kHz 單聲道 WAV。差異在於聲音的決定方式:
| 套件 | 聲音來源 | 情緒指示 | 下載 | GPU 記憶體(估計) |
|---|---|---|---|---|
| Qwen3-TTS 0.6B Base | 參考片段(聲音複製) | 否 | 1.99 GB | 約 4 GB |
| Qwen3-TTS 1.7B Base | 參考片段(聲音複製) | 否 | 2.70 GB | 約 6 GB |
| Qwen3-TTS 1.7B CustomVoice | 九種內建聲音 | yes | 2.82 GB | 約 6 GB |
| Qwen3-TTS 1.7B VoiceDesign | 聲音的文字描述 | 是,寫在描述中 | 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,GPU 記憶體約 6 GB 時用 1.7B Base。
- 使用現成聲音並引導情緒:1.7B CustomVoice。
- 只靠文字創造全新角色聲音:1.7B VoiceDesign。
下載
2.82 GB,單一檔案,固定於 Hugging Face 的特定提交:
| 檔案 | 來源 | 大小 |
|---|---|---|
qwen3-tts-12hz-1.7b-voicedesign-q8_0.gguf(talker 與 12 Hz 語音編解碼器打包在同一檔案中) | audio-cpp/audio.cpp-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) | 尚未測量 |
| Apple 晶片的 Mac(Metal) | 約 8 GB 記憶體(估計) | 尚未測量 |
記憶體數字是根據檔案大小與 Qwen 對原始模型提供的數據所做的估計,並會在發行前於實際 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-VoiceDesign © 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 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保留的署名:保留 Apache-2.0 授權條文與 Qwen3-TTS 的相關聲明。你生成的語音則無需署名。
限制,坦白說:除了上述的聲明要求外,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。你要為自己生成的內容負責。
所有檔案皆從 Hugging Face 下載,AI Game Dev 並不代為託管。
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-voicedesign,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-voicedesign需求
- AI Game Dev 0.32.0-beta.6 或更新版本
gamedev pkg add aigd.audio-qwen3-tts-1-7b-voicedesign