一个基于 Gradio 的 Web 用户界面，提供通义千问 Qwen3-TTS 系列模型进行文本到语音的转换。
可选择以下其中一个安装方式进行安装。
前往此处查找 Qwen TTS WebUI：AI 绘画 / 训练 / 语音生成整合包 · licyk/sd-webui-all-in-one · Discussion #1
Important
在AI 绘画 / 训练 / 语音生成整合包下载页面中包含大量不同类型的整合包，请注意找到 Qwen TTS WebUI 的页面说明再点击下载！
如果找不到下载页面说明，请按下Ctrl + F打开浏览器的搜索功能，输入Qwen TTS WebUI进行当前网页搜索。
阅读此处的说明进行使用：Qwen TTS WebUI Installer 使用文档
下载该项目到本地：
git clone https://github.com/licyk/qwen-tts-webui启动该项目：
# Windows
cmd /k start.bat # 或者直接双击 start.bat
# Windows 平台的另一种启动方式
./start.ps1 # 或者右键选择使用 PowerShell 运行
# Linux / MacOS
./start.sh或者手动创建并进入虚拟环境并进入，再运行python launch.py启动该项目。
Qwen TTS WebUI Colab Jupyter NoteBook - licyk/sd-webui-all-in-one
进入 Qwen TTS WebUI 后可直接根据界面提示进行使用，进行声音生成时将自动下载对应的模型。
其他说明请参看：使用离线模式运行与加载本地路径的模型 · licyk/qwen-tts-webui · Discussion #1
| 模型 | 下载地址 |
|---|---|
| Qwen/Qwen3-TTS-12Hz-1.7B-Base | HuggingFace / ModelScope |
| Qwen/Qwen3-TTS-12Hz-0.6B-Base | HuggingFace / ModelScope |
| Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice | HuggingFace / ModelScope |
| Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice | HuggingFace / ModelScope |
| Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign | HuggingFace / ModelScope |
usage: launch.py [-h] [--debug] [--reinstall-torch] [--disable-pypi-cn-mirror] [--disable-uv] [--skip-check]
[--no-inbrowser] [--server-name SERVER_NAME] [--server-port SERVER_PORT] [--share] [--version]
[--api] [--nowebui]
Qwen TTS WebUI 命令行参数
options:
-h, --help show this help message and exit
--debug 启用 Debug 模式
--reinstall-torch 重装环境中的 PyTorch
--disable-pypi-cn-mirror
禁用 PyPI 国内镜像
--disable-uv 禁用 uv 包管理器, 使用 Pip 进行依赖安装
--skip-check 跳过运行环境的依赖检测
--no-inbrowser 禁止自动打开浏览器访问 Qwen TTS WebUI
--server-name SERVER_NAME
Qwen TTS 启动服务器名 (默认为 127.0.0.1)
--server-port SERVER_PORT
Qwen TTS 启动端口 (默认为 7860)
--share 启用 Gradio 共享
--version 显示版本信息
--api 启用 API 功能
--nowebui 仅启动 API 服务器, 不启动 WebUI
Qwen TTS WebUI 支持启用 API 模式，在启动参数中加入--api参数即可启用。
python launch.py --api访问地址:
- WebUI: http://127.0.0.1:7860
- API 文档: http://127.0.0.1:7860/docs
- API 端点: http://127.0.0.1:7860/qwenapi/v1/
python launch.py --nowebui访问地址:
- API 文档: http://127.0.0.1:7860/docs
- API 端点: http://127.0.0.1:7860/qwenapi/v1/
python launch.py --api --server-name 0.0.0.0 --server-port 8080端点: POST /qwenapi/v1/custom-voice
请求示例:
import requests
import base64
url = "http://127.0.0.1:7860/qwenapi/v1/custom-voice"
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
"text": "你好,这是一个测试。",
"instruct": "用温柔的语气说。",
"speaker": None, # 可选,默认使用第一个发言人
"language": None, # 可选,默认自动检测
"segment_gen": False # 是否分段生成
}
response = requests.post(url, json=data)
result = response.json()
# 保存生成的音频
for i, audio_base64 in enumerate(result["audio_files_base64"]):
audio_bytes = base64.b64decode(audio_base64)
with open(f"output_{i}.wav", "wb") as f:
f.write(audio_bytes)
print(result["info"])端点: POST /qwenapi/v1/voice-design
请求示例:
import requests
import base64
url = "http://127.0.0.1:7860/qwenapi/v1/voice-design"
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign",
"text": "你好,这是一个测试。",
"instruct": "体现撒娇稚嫩的女声,音调偏高且起伏明显。",
"language": None, # 可选,默认自动检测
"segment_gen": False
}
response = requests.post(url, json=data)
result = response.json()
# 保存生成的音频
for i, audio_base64 in enumerate(result["audio_files_base64"]):
audio_bytes = base64.b64decode(audio_base64)
with open(f"output_{i}.wav", "wb") as f:
f.write(audio_bytes)
print(result["info"])端点: POST /qwenapi/v1/voice-clone
请求示例:
import requests
import base64
# 读取参考音频并编码为 Base64
with open("reference_audio.wav", "rb") as f:
ref_audio_base64 = base64.b64encode(f.read()).decode("utf-8")
url = "http://127.0.0.1:7860/qwenapi/v1/voice-clone"
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-Base",
"text": "你好,这是一个测试。",
"ref_audio_base64": ref_audio_base64,
"ref_text": "参考音频中说话的内容", # 可选, 一般不用时效果更好
"language": None, # 可选,默认自动检测
"segment_gen": False
}
response = requests.post(url, json=data)
result = response.json()
# 保存生成的音频
for i, audio_base64 in enumerate(result["audio_files_base64"]):
audio_bytes = base64.b64decode(audio_base64)
with open(f"output_{i}.wav", "wb") as f:
f.write(audio_bytes)
print(result["info"])端点: GET /qwenapi/v1/models
请求示例:
import requests
url = "http://127.0.0.1:7860/qwenapi/v1/models"
response = requests.get(url)
result = response.json()
for model in result["models"]:
print(f"模型名称: {model['name']}, 类型: {model['type']}")端点: GET /qwenapi/v1/speakers
请求示例:
import requests
url = "http://127.0.0.1:7860/qwenapi/v1/speakers"
response = requests.get(url)
result = response.json()
print("支持的发言人:", result["speakers"])端点: GET /qwenapi/v1/languages
请求示例:
import requests
url = "http://127.0.0.1:7860/qwenapi/v1/languages"
response = requests.get(url)
result = response.json()
print("支持的语言:", result["languages"])端点: GET /qwenapi/v1/options
请求示例:
import requests
url = "http://127.0.0.1:7860/qwenapi/v1/options"
response = requests.get(url)
result = response.json()
print("当前配置:", result)端点: POST /qwenapi/v1/interrupt
请求示例:
import requests
url = "http://127.0.0.1:7860/qwenapi/v1/interrupt"
response = requests.post(url)
result = response.json()
print(result["message"])所有生成 API (custom-voice, voice-design, voice-clone) 都支持以下可选的采样参数:
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
"text": "你好,这是一个测试。",
# ... 其他必需参数 ...
# 可选的采样参数
"do_sample": True,
"top_k": 50,
"top_p": 0.95,
"temperature": 1.0,
"repetition_penalty": 1.0,
"subtalker_dosample": True,
"subtalker_top_k": 50,
"subtalker_top_p": 0.95,
"subtalker_temperature": 1.0,
"max_new_tokens": 2048
}如果不指定这些参数，将使用配置文件中的默认值。
#!/usr/bin/env python3
"""Qwen TTS API 使用示例"""
import requests
import base64
from pathlib import Path
def custom_voice_example():
"""声音生成示例"""
url = "http://127.0.0.1:7860/qwenapi/v1/custom-voice"
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
"text": "你好,这是一个声音生成测试。",
"instruct": "用温柔的语气说。",
}
response = requests.post(url, json=data)
if response.status_code == 200:
result = response.json()
for i, audio_base64 in enumerate(result["audio_files_base64"]):
audio_bytes = base64.b64decode(audio_base64)
output_path = Path(f"custom_voice_{i}.wav")
output_path.write_bytes(audio_bytes)
print(f"已保存: {output_path}")
print(result["info"])
else:
print(f"错误: {response.status_code}, {response.text}")
def voice_clone_example():
"""声音克隆示例"""
# 读取参考音频
ref_audio_path = Path("reference.wav")
if not ref_audio_path.exists():
print(f"参考音频文件不存在: {ref_audio_path}")
return
ref_audio_base64 = base64.b64encode(ref_audio_path.read_bytes()).decode("utf-8")
url = "http://127.0.0.1:7860/qwenapi/v1/voice-clone"
data = {
"model_name": "Qwen/Qwen3-TTS-12Hz-1.7B-Base",
"text": "你好,这是一个声音克隆测试。",
"ref_audio_base64": ref_audio_base64,
"ref_text": "参考音频的文本内容",
}
response = requests.post(url, json=data)
if response.status_code == 200:
result = response.json()
for i, audio_base64 in enumerate(result["audio_files_base64"]):
audio_bytes = base64.b64decode(audio_base64)
output_path = Path(f"voice_clone_{i}.wav")
output_path.write_bytes(audio_bytes)
print(f"已保存: {output_path}")
print(result["info"])
else:
print(f"错误: {response.status_code}, {response.text}")
if __name__ == "__main__":
print("=== 声音生成示例 ===")
custom_voice_example()
print("\n=== 声音克隆示例 ===")
voice_clone_example()API 返回的错误信息格式:
{
"detail": "错误描述信息"
}常见错误码:
400: 请求参数错误500: 服务器内部错误 (如显存不足、模型加载失败等)
- 首次使用某个模型时，需要下载模型文件，可能需要较长时间
- 音频文件使用 Base64 编码传输，大文件可能导致响应较大
- 分段生成 (
segment_gen=True) 会按行分割文本并分别生成音频 - 参考音频需要编码为 Base64 格式传输
- API 使用队列锁机制，同一时间只能处理一个请求
- QwenLM/Qwen3-TTS: 文本转语音。