Armin Ronacher 实测 Qwen3-TTS:给游戏做自定义旁白配音

mitsuhiko · x · 2026-10-30

Armin Ronacher(mitsuhiko)分享与孩子们开发地牢爬行游戏时用 Qwen3-TTS 做旁白配音的实践经验。Qwen3-TTS 提供 1.7B 系列三种模型:Base(0.6B/1.7B,从几秒参考音频克隆声音)、CustomVoice(9 个内置音色+指令控制)、VoiceDesign(按文字描述生成音色)。关键限制:Base 模型克隆声音后无法再用指令控制语气(不能说“悲伤地说话”或“耳语”)；官方推荐的定制音色路径是用 VoiceDesign 生成一段音频再用 Base 克隆。相比他最初用的 Kokoro,Qwen3 的声音克隆能力让配音更独特。文中附 28 秒演示与完整踩坑记录，可直接让 agent 参考实现。