Qwen3-TTS (offline, 1.7B)
Habla tus subtítulos en diez idiomas, con nueve voces integradas o un clon de cada hablante tomado de unos segundos del vídeo. Funciona en tu propio ordenador, y sus pesos permiten el uso comercial.
Ajustes Complementos Qwen3-TTS (offline, 1.7B) Instalar
Subtitld lo descarga, comprueba su SHA-256 y lo mantiene actualizado.
- Idiomas
- 10
- Modelos
- 3
- Voces
- 10
- Descarga del complemento
- 317–456 MB
- RAM, como mínimo
- 8 GB
Qué hace
Cinco voces chinas (dos hablan los dialectos de Pekín y de Sichuan), dos en inglés, una en japonés y una en coreano. Cada una puede leer los diez idiomas, pero suena mejor en el suyo.
Elige Custom voice y Subtitld le da al modelo unos segundos de ese hablante, cortados del vídeo. Necesita al menos 3 segundos.
Con las palabras dichas en la muestra, el clon se acerca más al hablante. Sin ellas trabaja solo con el sonido, un poco menos fielmente.
Las voces integradas y el clon usan dos modelos distintos. Solo uno está en memoria; cambiar de uno a otro lo recarga.
Voces
En la pestaña Hablantes, elige Qwen3-TTS como Motor de doblaje del hablante y luego una Voz. Custom voice está arriba de la lista. Cada línea sale tan larga como la haga el modelo; activa Ajustar el doblaje a la duración del subtítulo para que el hablante la estire o la comprima hasta su subtítulo.
10 voces en 4 idiomas.
en2ja1ko1zh-cn5
La muestra para el clon
Cuando la voz de un hablante es Custom voice, Subtitld corta una muestra de ese hablante del audio del proyecto:
- su subtítulo más largo entre 3 y 12 segundos;
- si ninguno encaja, los primeros 12 segundos de uno más largo;
- si todos duran menos de 3 segundos, varios seguidos, unidos hasta llegar a 3.
Si separaste la música de la voz de este vídeo, la muestra sale solo de la voz. Default voice reference en la configuración del complemento se usa solo cuando no se puede cortar ninguna muestra, por ejemplo sin vídeo abierto.
Subtitld guarda la muestra de cada hablante y la vuelve a cortar solo si cambia el archivo de audio. Después de reajustar las líneas de un hablante, borra su muestra para obtener una nueva; su nombre termina con el nombre del hablante.
| Sistema | Carpeta |
|---|---|
| Linux | ~/.cache/subtitld/clone-refs |
| macOS | ~/Library/Caches/subtitld/clone-refs |
| Windows | %LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs |
Modelos
Las voces integradas necesitan el modelo CustomVoice, y el clon necesita Base. Cada uno se descarga la primera vez que generas una línea que lo usa, así que un proyecto con ambos ocupa unos 7 GB en disco. Van a la caché de Hugging Face (~/.cache/huggingface/hub, a menos que definas HF_HOME), fuera de la carpeta del complemento, así que actualizarlo o quitarlo los conserva.
| Modelo | Descarga | Ideal para |
|---|---|---|
| qwen3-tts-1_7b-customvoice | Las nueve voces integradas | |
| qwen3-tts-1_7b-base | Solo la voz clonada | |
| qwen3-tts-tokenizer-12hz |
Opciones
El complemento los lee al iniciarse, así que un cambio se aplica tras cinco minutos sin uso, o al reiniciar Subtitld. Skip auto-extracted reference transcript es la excepción: Subtitld lo lee para cada línea.
En Ajustes › Complementos › Qwen3-TTS (offline, 1.7B) › Configurar.
cpuDéjalo en CPU. Las compilaciones publicadas se hacen con el paquete de PyTorch para CPU, así que CUDA no funciona con ellas; MPS está marcado como beta.
autoAuto elige float32 en la CPU y bfloat16 con CUDA. float16 solo se aplica con CUDA; en la CPU el complemento usa float32.
Un clip que la voz clonada copia cuando Subtitld no puede tomar una muestra del hablante en el vídeo, por ejemplo sin vídeo abierto. Una muestra del vídeo siempre va primero.
Las palabras dichas en el clip predeterminado de arriba. El complemento la usa con cualquier muestra que llegue sin su propia transcripción, incluidas las del vídeo, así que déjala vacía salvo que dependas del clip predeterminado.
Actívalo para que el texto del subtítulo no vaya con la muestra como su transcripción. El clon trabaja entonces solo con el sonido de la voz. Útil cuando tus subtítulos parafrasean lo que se dice.
Idiomas
Subtitld envía el idioma del proyecto sin su región, así que pt-br se lee como portugués. Para un idioma fuera de estos diez, una voz integrada usa su propio idioma como respaldo, y el clon la detección automática.
zh-cnenjakodefrruptesit
Plataformas
| Sistema | Descarga | Probado |
|---|---|---|
| Linux x86-64 | 455.7 MB | Compilado y arrancado en CI |
| macOS (universal) | 345.8 MB | Compilado y arrancado en CI |
| Windows x86-64 | 316.5 MB | Compilado y arrancado en CI |
Cada versión se compila en Linux, macOS y Windows, y CI comprueba que el programa arranca y lista sus voces. CI no genera voz.
Solución de problemas
bad_paramsO bien el subtítulo no tiene texto, o el clon no tiene muestra: Subtitld no pudo cortar una (sin vídeo abierto, o sin subtítulos para ese hablante) y no hay clip predeterminado. Escribe el texto del subtítulo, abre el vídeo, o define Default voice reference.internalEl modelo no cargó o no pudo decir la línea; el mensaje indica cuál. Una descarga fallida en el primer uso también termina aquí: revisa tu conexión y tu espacio libre en disco, e inténtalo de nuevo. Si elegiste CUDA o MPS, vuelve a poner el dispositivo en CPU.
Licencia
Apto para uso comercial: el complemento, la biblioteca qwen-tts y los pesos de Qwen3-TTS son todos Apache-2.0.
Versiones
- 1.0.6
Automated release for qwen3-tts v1.0.6.
Otros complementos de Voces
-
Piper Sin conexión
158 voces sin conexión en 49 idiomas, cada una una descarga pequeña aparte.
-
Kokoro Sin conexión
54 voces sin conexión en nueve idiomas, todas de un único modelo de 82 MB.
-
Supertonic Sin conexión
Diez voces sin conexión, cada una capaz de hablar los 31 idiomas del modelo.
-
sanoTTS Sin conexión
Voces sin conexión diminutas, 28 en 14 idiomas, cada una de menos de 10 MB.
-
Parler-TTS Sin conexión
Voces en inglés que siguen una descripción escrita; 34 hablantes con nombre.
-
Coqui XTTS Clonación
Clonación de voz en 16 idiomas, con licencia de modelo no comercial.
-
F5-TTS Clonación
Solo clonación de voz, en inglés y chino; modelo no comercial.