開発者が Qwen3-TTS の最適化された C++ 実装をリリースし、RTX 5080 で約 5 倍のリアルタイム速度を達成しました。また、Kotlin Compose Multiplatform を使用して構築されたクロスプラットフォームのデスクトップ GUI も提供しています。このプロジェクトは GGML ベースの推論を提供し、Windows と Linux での CPU および CUDA 実行をサポートします。

  • パフォーマンスは Python の参照実装よりも 15 倍高速であると報告されています。
  • 0.6B および 1.7B のモデルサイズをサポートし、音声クローン用のベースモデルを含みます。
  • カスタム音声および音声設計機能と指示サポートを備えています。
  • スピーカー埋め込みの保存、混合、マージを許可します。
  • 半分の正確なテキストハイライト付きのストリーミング出力を含みます。
  • Hugging Face から事前変換された GGUF モデルのダウンロードオプションを提供します。

このリリースにより、ユーザーは Qwen3-TTS をローカルで大幅に改善された速度とユーザーフレンドリーなインターフェースで実行できるようになり、元の Python 環境に依存せずに音声クローンおよび合成を促進します。