本頁面由英文機器翻譯而成。閱讀英文原文。

Qwen3-TTS 1.7B VoiceDesign(語音模型)

官方音訊GPUv1.0.2aigd.audio-qwen3-tts-1-7b-voicedesign
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-voicedesign
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 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yes2.82 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 @ 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

Qwen3-TTS 1.7B VoiceDesign(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-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

進一步瞭解套件

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