C++での Qwen3 TTS：1.7B 対応、話者エンコーディング抽出、デスクトップUI

この数週間の週末を使い、Qwen3 TTSの実装に取り組んできました。これは https://github.com/predict-woo/qwen3-tts.cpp のフォークですが、機能を追加し、コードベースをよりクリーンにしたものです: https://github.com/Danmoreng/qwen3-tts.cpp

現在対応している機能:

• 1.7Bモデル
• 話者エンコーディング抽出
• JNIインターフェース
• 話者指示（カスタム音声モデル）
• 両方のベースモデル（0.6Bおよび1.7B）での音声クローン

また、Kotlin Multiplatformを使用して、これのデスクトップアプリUIも作成しました:

https://github.com/Danmoreng/qwen-tts-studio

https://preview.redd.it/due94cp1m1pg1.png?width=2142&format=png&auto=webp&s=11ab89e23c842653c5ca0de383725008db271ec1

このアプリはソースからのコンパイルが必要で、WindowsとLinuxで動作します。モデルはまだ手動でGGUFへ変換する必要があります。

両方のリポジトリにはまだ仕上げが不足しています。ただし、ここに投稿しても良いと感じる状態です。