Qwen3-TTS

本地 GPU 加速语音克隆工具，基于 Qwen3-TTS-12Hz-0.6B-Base 模型。

特性

• 零样本语音克隆：只需一段参考音频即可克隆任意声音
• 批量生成：模型只加载一次，高效处理多条文本
• 内置音色：提供多种预置音色，开箱即用
• 简单易用：CLI 命令行和 Python API 双支持

环境要求

• NVIDIA GPU（6GB+ 显存）
• CUDA 11.6+
• Python 3.10+

安装

# 克隆仓库
git clone https://github.com/wangwangit/qwen3-tts.git
cd qwen3-tts

# 安装依赖
python3 install.py

# （可选）添加到 PATH，全局使用
echo 'export PATH="$PATH:'$(pwd)'"' >> ~/.bashrc
source ~/.bashrc

使用方法

CLI 命令

# 列出内置音色
./qwen-tts --list-voices

# 使用内置音色合成
./qwen-tts -v "寒冰射手" -t "你好，这是测试" -o /tmp/output.wav

# 使用自定义参考音频克隆
./qwen-tts -r /path/to/reference.wav -t "你好，这是测试" -o /tmp/output.wav

# 批量生成：从 txt 文件读取（每行一条文本）
./qwen-tts -v "赵信" -b /path/to/texts.txt -d /tmp/outputs/

# 批量生成：多个文本参数
./qwen-tts -v "赵信" --texts "第一句话" "第二句话" "第三句话" -d /tmp/outputs/

Python API

from qwen3_tts_client import Qwen3TTSClient

client = Qwen3TTSClient()

# 使用内置音色
client.synthesize(
    text="你好，世界！",
    voice="寒冰射手",
    output_path="/tmp/output.wav"
)

# 使用自定义参考音频
client.synthesize(
    text="你好，世界！",
    ref_audio="/path/to/my_voice.wav",
    output_path="/tmp/output.wav"
)

# 批量生成（模型只加载一次，效率更高）
outputs = client.synthesize_batch(
    texts=["第一句话", "第二句话", "第三句话"],
    voice="赵信",
    output_dir="/tmp/outputs/"
)

内置音色

名称	说明
寒冰射手	游戏角色配音风格
布里茨	机器人风格配音
赵信	游戏角色配音风格

添加自定义音色

将参考音频（.mp3/.wav）和对应文本（.txt）放入 assets/voices/ 目录：

assets/voices/
├── 你的音色名.mp3   # 参考音频
└── 你的音色名.txt   # 音频对应的文字内容

配置说明

• HuggingFace 镜像：默认使用 hf-mirror.com，可通过 HF_ENDPOINT 环境变量修改
• 模型：首次运行自动下载 Qwen/Qwen3-TTS-12Hz-0.6B-Base

License

MIT