# Qwen3-TTS oder SuperClonica für lokale Sprachsynthese

Aktualisiert 2026-10-23

Qwen3-TTS ist die offene Sprachmodell-Familie des Qwen-Teams, im Januar 2026 in den Größen 0.6B und 1.7B unter Apache 2.0 erschienen. Sie klont eine Stimme aus drei Sekunden Audio, entwirft Stimmen aus einer Textbeschreibung und streamt Audio mit geringer Latenz. SuperClonica ist enger gefasst: fertige und trainierte Supertonic-3-Stimmen, die schnell auf der CPU laufen.

Beide laufen auf Ihrer eigenen Hardware. Unterschiede gibt es bei Tempo, Sprachen und der Frage, wie Sie zu einer Stimme kommen.

## Was Qwen3-TTS bietet

Die offiziellen Beispiele laufen auf einer NVIDIA-GPU in bfloat16, FlashAttention 2 wird empfohlen, um GPU-Speicher zu sparen.

- 10 Sprachen: Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Russisch, Portugiesisch, Spanisch und Italienisch, dazu Dialekt-Stimmprofile.
- Stimme klonen aus 3 Sekunden mit den Base-Modellen, ohne Training.
- Stimmdesign aus einer Beschreibung in natürlicher Sprache (Modell 1.7B VoiceDesign).
- Anweisungen für Tonfall, Sprechtempo und Emotion.
- Streaming; die Entwickler nennen eine End-to-End-Latenz ab 97 ms.

## Tempo von Qwen3-TTS auf der CPU

Für das 0.6B-Modell auf einem Desktop-Achtkerner schätzen wir 1- bis 2-mal langsamer als Echtzeit: 10 Sekunden Sprache in 10–20 Sekunden. Grundlage ist eine Community-Engine in C, die für 0.6B mit INT4-Gewichten auf einem Laptop-Ryzen 7 6800H einen Echtzeitfaktor von 2,02 meldet. Das 1.7B-Modell ist langsamer; wir setzen 2- bis 5-mal langsamer als Echtzeit an. Reines PyTorch kann deutlich langsamer sein als diese C-Engine.

Auf Apple Silicon steht Qwen besser da: Dieselbe Engine meldet 0,52 auf einem M1, also etwa doppelt so schnell wie Echtzeit.

SuperClonica läuft auf einem Desktop-Achtkerner nach unserer Schätzung 6,4- bis 9,7-mal schneller als Echtzeit; dieselben 10 Sekunden dauern etwa 1,0–1,6 Sekunden.

## Qualität, Stabilität und Sprachen

In unserer Bewertung erhält Qwen3-TTS 4 von 5 für Qualität und 4 für Klangstabilität, SuperClonica 4,5 und 5.

Bei der Zahl der Sprachen liegt Supertonic 3 mit 31 zu 10 vorn, die Überschneidung ist aber ungleich. Qwen3-TTS spricht Chinesisch, Supertonic 3 nicht. Dafür bringt Supertonic 3 Arabisch, Hindi, Türkisch, Vietnamesisch, Ukrainisch, Polnisch und die meisten übrigen europäischen Sprachen mit.

## Welches Modell wofür

Beide sind offen und laufen lokal, die Wahl hängt also von der Aufgabe ab.

- Qwen3-TTS: Sie brauchen Chinesisch, Sofort-Klonen oder Stimmdesign, oder Sie bauen einen Sprachassistenten auf der GPU und achten auf die Latenz bis zum ersten Paket.
- SuperClonica: Sie erzeugen viel Sprache auf CPUs, arbeiten in einer der 31 Sprachen von Supertonic 3 oder wollen, dass eine trainierte Stimme über Tausende Sätze gleich klingt.

## Mehr zu Text-to-Speech

- [Text-to-Speech, das auf Ihrem eigenen Rechner läuft](https://superclonica.com/de/text-to-speech)
- [Supertonic vs. SuperClonica: dasselbe Modell, schneller und sauberer](https://superclonica.com/de/compare/supertonic)
- [Fish Audio und Fish Speech im Vergleich mit SuperClonica](https://superclonica.com/de/compare/fish-audio)
- [OmniVoice oder SuperClonica: mehr Sprachen oder mehr Tempo](https://superclonica.com/de/compare/omnivoice)
- [VoxCPM 2 oder SuperClonica: Studioklang oder CPU-Tempo](https://superclonica.com/de/compare/voxcpm)
- [F5-TTS oder SuperClonica: Zero-Shot-Klonen oder schnelle Sprache auf der CPU](https://superclonica.com/de/compare/f5-tts)
- [Eine Offline-Alternative zu ElevenLabs](https://superclonica.com/de/compare/elevenlabs)
- [Kokoro TTS oder SuperClonica: zwei kleine Modelle für lokale Sprachsynthese](https://superclonica.com/de/compare/kokoro)
- [Piper TTS oder SuperClonica: kleine Geräte oder eigene Stimmen](https://superclonica.com/de/compare/piper)
- [Coqui XTTS-v2 oder SuperClonica: eine Alternative zu Coqui TTS](https://superclonica.com/de/compare/xtts)
- [Chatterbox TTS oder SuperClonica: sofortiger Klon oder trainierte Stimmdatei](https://superclonica.com/de/compare/chatterbox)

## Text-to-Speech-Anleitungen

- [Text offline in Sprache umwandeln: Schritt für Schritt auf Ihrem Rechner](https://superclonica.com/de/guides/offline-text-to-speech)
- [Stimme klonen: So bekommen Sie eine Stimme wie in Ihrer Aufnahme](https://superclonica.com/de/guides/voice-cloning)
- [Die besten kostenlosen Text-to-Speech-Modelle für den lokalen Einsatz 2026](https://superclonica.com/de/guides/best-free-tts-models)
- [Text-to-Speech für Videos, Hörbücher, Spiele und Apps](https://superclonica.com/de/guides/text-to-speech-for-videos)
- [Supertonic-3-Stimmen: woher eigene Stimmen kommen und wie Sie sie nutzen](https://superclonica.com/de/guides/supertonic-3-voices)
- [Text to Speech in Python: offline, kostenlos und mit natürlichen Stimmen](https://superclonica.com/de/guides/python-text-to-speech)
- [Eigene Text-to-Speech-API in Docker](https://superclonica.com/de/guides/text-to-speech-api-docker)

## Häufige Fragen

### Läuft Qwen3-TTS auf der CPU?

Ja, über Community-Engines. Eine reine C-Implementierung meldet für das 0.6B-Modell mit INT4-Gewichten 2,02 auf einem Ryzen 7 6800H und 0,52 auf einem Apple M1. Für einen Desktop-Achtkerner schätzen wir 1- bis 2-mal langsamer als Echtzeit.

### Darf ich Qwen3-TTS kommerziell nutzen?

Repository und Modellgewichte auf Hugging Face sind unter Apache 2.0 veröffentlicht, die kommerzielle Nutzung erlaubt. Lesen Sie den Lizenztext vor dem Start trotzdem.

### Gibt es eine schnellere Alternative zu Qwen3-TTS für Offline-Sprachausgabe?

Für die 31 Sprachen von Supertonic 3 ja: Die SuperClonica-Engine spricht Supertonic-3-Stimmen nach unserer Schätzung 6,4- bis 9,7-mal schneller als Echtzeit auf einer Desktop-CPU. Auf Sofort-Klonen verzichten Sie dabei: Eine neue Stimme wird trainiert oder als Datei gekauft.

### Kann Qwen3-TTS Deutsch?

Ja, Deutsch gehört zu den 10 Sprachen von Qwen3-TTS. Supertonic 3 unterstützt Deutsch ebenfalls.

- [Stimme für Supertonic 3 finden](https://superclonica.com/de/explore)
- [Zur SuperClonica-Installation](https://superclonica.com/de/superclonica)

## Quellen

- [Qwen3-TTS-Repository (GitHub)](https://github.com/QwenLM/Qwen3-TTS)
- [Qwen3-TTS 1.7B Base Model Card](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-Base)
- [Qwen3-TTS in C: Leistungsdaten](https://github.com/gabriele-mastrapasqua/qwen3-tts/blob/main/docs/performance.md)
- [Supertonic 3 Model Card](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/de/)
- [KI-Stimmenkatalog für Text-to-Speech](https://superclonica.com/de/explore)
- [Auftragsstimmen für Supertonic 3](https://superclonica.com/de/requests)
- [Anleitung: Stimmen, lokales TTS, Training](https://superclonica.com/de/guide)
- [Schnelle Engine für Supertonic 3](https://superclonica.com/de/superclonica)
- [Über uns: Enthusiasten für Sprachsynthese](https://superclonica.com/de/about)
- [Kontakt, Support und Stimmen melden](https://superclonica.com/de/contacts)
- [Datenschutzerklärung](https://superclonica.com/de/privacy)
- [Nutzungsbedingungen](https://superclonica.com/de/terms)
- [Text-to-Speech](https://superclonica.com/de/text-to-speech)