モデル情報

Qwen3-TTS：日本語に対応した 0.6B と 1.7B の読み上げモデルで、VRAM の数値は書かれていない

Qwen3-TTS の GitHub には、0.6B と 1.7B の重みが公開されていること、日本語を含む 10 言語に対応すること、Apache 2.0 のライセンスが書かれています。必要な VRAM の数値はありません。

この記事は、提供や依頼を受けて書いたものではありません。数値は各社の公式ページから取得し、公式に書かれていないことは「記載なし」と示します。

Qwen3-TTS は、Alibaba の Qwen チームの読み上げモデルです。GitHub には、2026 年 1 月 22 日に、0.6B と 1.7B のモデルを公開したと書かれています。

公式の記載

項目	内容
大きさ	0.6B と 1.7B。声のデザイン（VoiceDesign）は 1.7B だけ
言語	日本語を含む 10 言語。日本語のネイティブの話者（Ono_Anna）が用意されている
ライセンス	Apache 2.0（リポジトリ）
使い方	`pip install -U qwen-tts`（Python 3.12 を推奨）。声の指定、声のデザイン、声のクローンを呼び出せる
画面	`qwen-tts-demo` でブラウザの画面が起動する
高速化	FlashAttention 2 で GPU のメモリを減らせる。vLLM-Omni はオフライン推論のみ
必要な VRAM	記載なし

出典はすべて公式ページです。取得日は更新日に合わせています。