# qwentts3

**Repository Path**: mou18/qwentts3

## Basic Information

- **Project Name**: qwentts3
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-04-17
- **Last Updated**: 2026-04-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Qwen3TTS 0.6B 离线语音合成系统

一个基于 Qwen3-TTS 0.6B 模型的离线语音合成系统，支持预设音色合成、声音克隆和自定义音色管理。

## 功能特性

- **预设音色合成** - 9种预设音色（Vivian、Aiden、Dylan、Eric、Ono Anna、Ryan、Serena、Sohee、Uncle Fu）
- **声音克隆** - 支持在线录音或上传音频进行声音克隆
- **自定义音色管理** - 保存克隆的音色，下次可直接使用
- **GPU 加速** - 自动检测并使用 CUDA GPU 加速
- **Web 界面** - 美观的网页操作界面
- **API 接口** - 提供 RESTful API 供第三方调用

## 系统要求

- Windows 10/11
- 4GB+ 内存（推荐 8GB+）
- 6GB+ 显存（GPU 加速，可选）
- 约 6GB 磁盘空间

## 快速开始

### 方式一：完整版（推荐）

1. 下载完整版压缩包
2. 解压到任意目录
3. 双击 `run.bat` 启动
4. 浏览器自动打开 `http://localhost:8000`

### 方式二：轻量版

1. 下载轻量版压缩包
2. 解压到任意目录
3. 双击 `run.bat` 启动
4. 首次启动会自动下载模型（约5GB，需要10-30分钟）
5. 浏览器自动打开 `http://localhost:8000`

## 项目结构

```
qwen3tts/
├── run.bat                 # 启动脚本
├── server.py              # 主服务程序
├── download_model.py      # 模型下载脚本
├── download_base_model.py # Base模型下载脚本
├── build_package.py       # 打包脚本
├── static/                # 网页静态文件
│   └── index.html        # 主页面
├── custom_voices/        # 自定义音色存储目录
├── tmpvideo/             # 临时文件目录
├── models/               # 模型文件目录（不包含在代码库中）
│   ├── Qwen3-TTS-12Hz-0.6B-CustomVoice/
│   └── Qwen3-TTS-12Hz-0.6B-Base/
└── python/               # Python环境（不包含在代码库中）
```

## API 接口

### 1. 获取音色列表
```
GET /api/voices
```

返回预设音色和自定义音色列表。

### 2. 预设音色合成
```
POST /api/tts
Content-Type: application/json

{
    "text": "要合成的文本",
    "voice": "vivian",
    "speed": 1.0,
    "volume": 1.0
}
```

### 3. 声音克隆
```
POST /api/voice-clone
Content-Type: multipart/form-data

audio: [音频文件]
text: "要合成的文本"
ref_text: "参考音频的文本（可选）"
speed: 1.0
```

### 4. 保存自定义音色
```
POST /api/save-voice
Content-Type: multipart/form-data

name: "音色名称"
audio: [参考音频文件]
ref_text: "参考文本（可选）"
gender: "male/female/unknown"
```

### 5. 使用自定义音色
```
POST /api/use-custom-voice
Content-Type: multipart/form-data

voice_id: "音色ID"
text: "要合成的文本"
speed: 1.0
```

### 6. 删除自定义音色
```
DELETE /api/delete-voice/{voice_id}
```

### 7. 健康检查
```
GET /health
```

## 开发说明

### 安装依赖

```bash
pip install -r requirements.txt
```

### 启动服务

```bash
python server.py --host 0.0.0.0 --port 8000
```

### 打包发布

```bash
python build_package.py
```

打包后会生成两个版本：
- `package/Qwen3TTS-0.6B-Portable-Light/` - 轻量版（不含模型）
- `package/Qwen3TTS-0.6B-Portable-Full/` - 完整版（含模型）

## 模型说明

本项目使用以下模型：
- [Qwen3-TTS-12Hz-0.6B-CustomVoice](https://modelscope.cn/models/Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice) - 预设音色模型
- [Qwen3-TTS-12Hz-0.6B-Base](https://modelscope.cn/models/Qwen/Qwen3-TTS-12Hz-0.6B-Base) - 声音克隆模型

模型文件较大（约5GB），不包含在代码库中，首次运行会自动下载或手动下载放置到 `models/` 目录。

## 技术栈

- Python 3.10
- FastAPI - Web框架
- PyTorch - 深度学习框架
- Transformers - 模型加载
- Qwen-TTS - 语音合成模型
- HTML/CSS/JavaScript - 前端界面

## 许可证

本项目仅供学习和研究使用，模型版权归阿里巴巴通义千问团队所有。

## 致谢

- [Qwen](https://github.com/QwenLM/Qwen) - 通义千问开源项目
- [ModelScope](https://www.modelscope.cn/) - 模型托管平台