Qwen3-TTS (offline, 1.7B)
Fala suas legendas em dez idiomas, com nove vozes embutidas ou um clone de cada locutor tirado de alguns segundos do vídeo. Roda no seu próprio computador, e seus pesos permitem uso comercial.
Configurações Complementos Qwen3-TTS (offline, 1.7B) Instalar
O Subtitld baixa, verifica o SHA-256 e mantém o complemento atualizado.
- Idiomas
- 10
- Modelos
- 3
- Vozes
- 10
- Download do complemento
- 317–456 MB
- RAM, no mínimo
- 8 GB
O que faz
Cinco vozes chinesas (duas falam os dialetos de Pequim e de Sichuan), duas em inglês, uma em japonês e uma em coreano. Cada uma pode ler os dez idiomas, mas soa melhor na sua própria.
Escolha Custom voice e o Subtitld entrega ao modelo alguns segundos desse locutor, recortados do vídeo. São necessários pelo menos 3 segundos.
Com as palavras faladas na amostra, o clone fica mais próximo do locutor. Sem elas, ele trabalha só com o som, um pouco menos fielmente.
As vozes embutidas e o clone usam dois modelos diferentes. Só um fica na memória; trocar de um para o outro o recarrega.
Vozes
Na aba Speakers, escolha o Qwen3-TTS como Motor de dublagem de um locutor e depois uma Voz. Custom voice fica no topo da lista. Cada fala sai com a duração que o modelo lhe dá; ative Ajustar dublagem à duração da legenda para que o locutor a estique ou comprima até a legenda.
10 vozes em 4 idiomas.
en2ja1ko1zh-cn5
A amostra para o clone
Quando a voz de um locutor é Custom voice, o Subtitld recorta uma amostra desse locutor do áudio do projeto:
- a legenda mais longa dele entre 3 e 12 segundos;
- se nenhuma couber, os primeiros 12 segundos de uma mais longa;
- se todas forem menores que 3 segundos, várias seguidas, unidas até chegar a 3.
Se você separou a música da voz deste vídeo, a amostra vem somente da voz. Default voice reference nas configurações do complemento só é usada quando nenhuma amostra pode ser recortada, por exemplo sem nenhum vídeo aberto.
O Subtitld guarda a amostra de cada locutor e só a recorta de novo se o arquivo de áudio mudar. Depois de reajustar o tempo das falas de um locutor, apague a amostra dele para obter uma nova; o nome dela termina com o nome do locutor.
| Sistema | Pasta |
|---|---|
| Linux | ~/.cache/subtitld/clone-refs |
| macOS | ~/Library/Caches/subtitld/clone-refs |
| Windows | %LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs |
Modelos
As vozes embutidas precisam do modelo CustomVoice, e o clone precisa do Base. Cada um é baixado na primeira vez que você gera uma fala que o usa, então um projeto com os dois ocupa cerca de 7 GB no disco. Eles vão para o cache do Hugging Face (~/.cache/huggingface/hub, a menos que você defina HF_HOME), fora da pasta do complemento, então atualizá-lo ou removê-lo mantém os modelos.
| Modelo | Download | Ideal para |
|---|---|---|
| qwen3-tts-1_7b-customvoice | As nove vozes embutidas | |
| qwen3-tts-1_7b-base | Somente a voz clonada | |
| qwen3-tts-tokenizer-12hz |
Opções
O complemento lê estas opções quando inicia, então uma mudança vale depois de ele ficar ocioso por cinco minutos, ou depois de você reiniciar o Subtitld. Skip auto-extracted reference transcript é a exceção: o Subtitld a lê para cada fala.
Em Configurações › Complementos › Qwen3-TTS (offline, 1.7B) › Configurar.
cpuDeixe em CPU. As compilações lançadas são feitas com o pacote de CPU do PyTorch, então o CUDA não funciona com elas; o MPS está marcado como beta.
autoAutomático escolhe float32 na CPU e bfloat16 com CUDA. float16 só se aplica com CUDA; na CPU o complemento usa float32.
Um clipe que a voz clonada copia quando o Subtitld não consegue tirar uma amostra do locutor do vídeo, por exemplo sem nenhum vídeo aberto. Uma amostra do vídeo sempre vem primeiro.
As palavras faladas no clipe padrão acima. O complemento a usa com qualquer amostra que chegue sem a própria transcrição, inclusive as do vídeo; então deixe vazio, a menos que dependa do clipe padrão.
Ligue para que o texto da legenda não acompanhe a amostra como transcrição. O clone então trabalha só com o som da voz. Útil quando suas legendas parafraseiam o que é dito.
Idiomas
O Subtitld envia o idioma do projeto sem a região, então pt-br é lido como português. Para um idioma fora destes dez, uma voz embutida usa o próprio idioma como alternativa, e o clone usa a detecção automática.
zh-cnenjakodefrruptesit
Plataformas
| Sistema | Download | Testado |
|---|---|---|
| Linux x86-64 | 455.7 MB | Compilado e iniciado no CI |
| macOS (universal) | 345.8 MB | Compilado e iniciado no CI |
| Windows x86-64 | 316.5 MB | Compilado e iniciado no CI |
Cada versão é compilada em Linux, macOS e Windows, e o CI verifica se o programa inicia e lista as vozes. O CI não gera fala.
Solução de problemas
bad_paramsOu a legenda não tem texto, ou o clone não recebeu amostra: o Subtitld não conseguiu recortar uma (nenhum vídeo aberto, ou nenhuma legenda para aquele locutor) e nenhum clipe padrão está definido. Dê à legenda um texto, abra o vídeo, ou defina Default voice reference.internalO modelo não carregou ou não conseguiu falar a fala; a mensagem diz qual. Um download que falha no primeiro uso também termina aqui: verifique sua conexão e o espaço livre em disco, e tente de novo. Se você escolheu CUDA ou MPS, volte o dispositivo para CPU.
Licença
Adequado para trabalho comercial: o complemento, a biblioteca qwen-tts e os pesos do Qwen3-TTS são todos Apache-2.0.
Versões
- 1.0.6
Automated release for qwen3-tts v1.0.6.
Outros complementos de Vozes
-
Piper Offline
158 vozes offline em 49 idiomas, cada uma um pequeno download separado.
-
Kokoro Offline
54 vozes offline em nove idiomas, todas de um único modelo de 82 MB.
-
Supertonic Offline
Dez vozes offline, cada uma capaz de falar todos os 31 idiomas.
-
sanoTTS Offline
Vozes offline minúsculas, 28 em 14 idiomas, cada uma com menos de 10 MB.
-
Parler-TTS Offline
Vozes em inglês que seguem uma descrição escrita; 34 locutores nomeados.
-
Coqui XTTS Clonagem
Clonagem de voz em 16 idiomas, com licença de modelo não comercial.
-
F5-TTS Clonagem
Somente clonagem de voz, em inglês e chinês; modelo não comercial.