# Qwen3-TTS 1.7B VoiceDesign（語音模型）

> 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。

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

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

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 **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 VoiceDesign (`aigd.audio-qwen3-tts-1-7b-voicedesign`)

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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](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 | 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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/Qwen3-TTS-12Hz-1.7B-VoiceDesign-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](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign)（`license: apache-2.0`）、[授權條文](https://www.apache.org/licenses/LICENSE-2.0)。
- Qwen3-TTS-Tokenizer-12Hz（語音編解碼器，封裝在 GGUF 檔案內）© Qwen team — [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。
````
