RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

Qwen3-TTS

QwenLM/Qwen3-TTSRevisado por IA

Revisado por RepoPicks Radar el

¿Qué es Qwen3-TTS?

El equipo Qwen de Alibaba publicó estos modelos de voz junto con un paquete de Python. Puedes leer texto en voz alta en diez idiomas con nueve voces ya listas, describir con palabras sencillas la voz que quieres y dejar que el modelo invente una, o darle una grabación de tres segundos para que hable con esa voz. Instalas Python y el paquete qwen-tts, y los archivos del modelo (0.6B o 1.7B) se descargan la primera vez que lo usas. Todos los ejemplos cargan el modelo en una tarjeta NVIDIA. Un solo comando abre una página web local para probarlo sin escribir código; Alibaba también vende lo mismo como servicio en línea de pago.

Qwen3-TTS es gratis y de código abierto (Apache-2.0) y puede reemplazar a ElevenLabs, Murf y Fish Audio.

¿Qué tan fácil es instalar Qwen3-TTS?

D · terminal, varias herramientas o tarjeta específica · Windows

  • Windows D
  • Linux D

En Linux y Windows es trabajo de terminal más hardware específico: crear un entorno de Python, ejecutar "pip install -U qwen-tts", dejar que se descargue un modelo de varios gigabytes, y luego ejecutar "qwen-tts-demo <model>" para la página web local. Todos los ejemplos del README cargan el modelo con device_map="cuda:0" y bfloat16 y recomiendan compilar flash-attn, así que se espera una tarjeta NVIDIA; Linux es el más fácil de los dos porque flash-attn y vLLM están pensados para él. Mac no se menciona en absoluto.

Pronto: instala con 1 clic desde la app RepoPicks.

Qwen3-TTS en GitHub

Estrellas
14.343el 10 nov 2026
Descargas
—todas las versiones
Crecimiento
+128estrellas en 6 días

Estrellas a lo largo del tiempo

14.20014.25014.30014.350 5 nov6 nov7 nov8 nov9 nov10 nov 14.20014.25014.30014.350 5 nov8 nov

Datos

Funciona en
Windows, Linux
Necesitas instalar
Python, Tarjeta NVIDIA
Para compilar desde el código
Python
Espacio en disco
150 MB–450 MB · estimación
Cuentas o claves
Ninguna
Costo
Gratis · El código y los pesos del modelo son gratuitos bajo Apache-2.0; DashScope, de Alibaba Cloud, ofrece los mismos modelos como servicio en línea de pago.
Licencia
Apache-2.0 (Permisiva)
Puede reemplazar
ElevenLabs, Murf, Fish Audio
Último cambio en GitHub
17 mar 2026

Señales de riesgo de Qwen3-TTS (5)

  • AtenciónClonación de voces de personas reales

    Los modelos Base se describen haciendo "3-second rapid voice clone from user audio input", y ref_audio "can be a local file path, a URL, a base64 string", así que bastan tres segundos de la voz de alguien tomados de internet; copiar la voz de una persona está restringido en varios países.

    revisión con IA

  • AtenciónEl servidor de demostración se abre a la red sin contraseña

    Los propios comandos del README son "qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-Base --ip 0.0.0.0 --port 8000" y, para HTTPS, un certificado autofirmado con "--no-ssl-verify"; 0.0.0.0 significa que cualquiera que pueda alcanzar tu máquina en ese puerto puede usar la página, que no tiene inicio de sesión.

    revisión con IA

  • InfoUn ejemplo de diseño de voz describe una voz infantil

    Un ejemplo de Voice Design en el README pide "撒娇稚嫩的萝莉女声" (una voz femenina infantil y mimosa) y otro pide una voz de "Male, 17 years old", así que se le puede pedir al modelo que produzca voces que suenan como las de menores de edad.

    revisión con IA

  • InfoLos archivos del modelo se descargan en el primer uso

    README: "During model loading in the qwen-tts package or vLLM, model weights will be automatically downloaded based on the model name", desde Hugging Face o ModelScope; la estimación de 150-450 MB de las revisiones cubre el código, no esos archivos.

    revisión con IA

  • InfoSin lanzamientos y en silencio desde marzo

    No hay lanzamientos en GitHub, la versión del paquete en pyproject.toml es 0.1.1, y el último commit es del 2026-03-17 (237 días antes de la revisión), mientras que el README dice que otros modelos del informe "will be released in the near future".

    revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar de Qwen3-TTS

  • Si funciona siquiera sin una tarjeta NVIDIA, ya que el README no muestra ninguna ruta para CPU o Apple Silicon.
  • Cuánto disco y memoria de video realmente ocupan los modelos de 0.6B y 1.7B después de descargarlos.
  • Las cifras principales (97 ms para el primer audio, las tasas de error en las tablas) fueron medidas por los propios autores.
  • Qué tan buenas son las voces en portugués y español comparadas con las de chino e inglés, que reciben la mayor parte de la atención.
  • Si compilar flash-attn funciona en una máquina doméstica normal; el README advierte sobre la memoria y los núcleos de CPU durante ese paso.

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub