Skip to content

licyk/qwen-tts-webui

BranchesTags

Repository files navigation

Qwen TTS WebUI

✨生成音频如此简单

Stars Issues Commit Ruff Lint

简介

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。

安装

可选择以下其中一个安装方式进行安装。

使用整合包 (仅 Windows)

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。

使用安装器 (Windows / Linux / MacOS)

阅读此处的说明进行使用：Qwen TTS WebUI Installer 使用文档

手动安装 (Windows / Linux / MacOS)

请确保已经在系统中安装了 Python 和 Git。

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。

云端在线体验

Qwen TTS WebUI Colab Jupyter NoteBook - licyk/sd-webui-all-in-one

使用

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

可使用的模型

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

启动参数

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

API 使用

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。

启动 API 服务

方式 1: 启动 WebUI 并启用 API

python launch.py --api

访问地址:

方式 2: 仅启动 API 服务器 (不启动 WebUI)

python launch.py --nowebui

访问地址:

自定义服务器地址和端口

python launch.py --api --server-name 0.0.0.0 --server-port 8080

API 端点

1. 声音生成 (Custom Voice)

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"])

2. 声音设计 (Voice Design)

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"])

3. 声音克隆 (Voice Clone)

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"])

4. 获取可用模型列表

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']}")

5. 获取支持的发言人列表

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"])

6. 获取支持的语言列表

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"])

7. 获取配置选项

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)

8. 中断当前任务

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"])

高级参数

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。

完整示例脚本

#!/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()

错误处理

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)

注意事项

  1. 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
  2. 音频文件使用 Base64 编码传输，大文件可能导致响应较大
  3. 分段生成 (segment_gen=True) 会按行分割文本并分别生成音频
  4. 参考音频需要编码为 Base64 格式传输
  5. API 使用队列锁机制，同一时间只能处理一个请求

使用的项目

许可证

About

基于 Qwen3 TTS 的 WebUI

Topics

python gradio qwen3 qwen-tts

Resources

Readme

License

GPL-3.0 license
Activity

Stars

222 stars

Watchers

2 watching

Forks

10 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages