310 lines
8.7 KiB
Markdown
310 lines
8.7 KiB
Markdown
# Qwen3-TTS WebUI
|
||
|
||
> **⚠️ 注意：** 本项目由大量 AI 生成，目前处于不稳定状态。稳定版将在 [Releases](../../releases) 中发布。
|
||
|
||
**非官方** 基于 Qwen3-TTS 的文本转语音 Web 应用，支持自定义语音、语音设计和语音克隆，提供直观的 Web 界面。
|
||
|
||
> 这是一个非官方项目。如需查看官方 Qwen3-TTS 仓库，请访问 [QwenLM/Qwen3-TTS](https://github.com/QwenLM/Qwen3-TTS)。
|
||
|
||
[English Documentation](./README.md)
|
||
|
||
## 功能特性
|
||
|
||
- 自定义语音：预定义说话人语音
|
||
- 语音设计：自然语言描述创建语音
|
||
- 语音克隆：上传音频克隆语音
|
||
- 双后端支持：支持本地模型和阿里云 TTS API 切换
|
||
- 多语言支持：English、简体中文、繁體中文、日本語、한국어
|
||
- JWT 认证、异步任务、语音缓存、暗黑模式
|
||
|
||
## 界面预览
|
||
|
||
### 桌面端 - 亮色模式
|
||
|
||
|
||
### 桌面端 - 暗黑模式
|
||
|
||
|
||
### 桌面端 - 语音设计列表
|
||
|
||
|
||
### 桌面端 - 保存语音设计对话框
|
||
|
||
|
||
### 桌面端 - 语音克隆
|
||
|
||
|
||
### 移动端 - 亮色与暗黑模式
|
||
<table>
|
||
<tr>
|
||
<td width="50%"><img src="./images/mobile-lightmode-custom.png" alt="移动端亮色模式" /></td>
|
||
<td width="50%"><img src="./images/mobile-darkmode-custom.png" alt="移动端暗黑模式" /></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 移动端 - 设置与历史记录
|
||
<table>
|
||
<tr>
|
||
<td width="50%"><img src="./images/mobile-settings.png" alt="移动端设置" /></td>
|
||
<td width="50%"><img src="./images/mobile-history.png" alt="移动端历史记录" /></td>
|
||
</tr>
|
||
</table>
|
||
|
||
## 技术栈
|
||
|
||
**后端**: FastAPI + SQLAlchemy + PyTorch + JWT
|
||
- 使用 PyTorch 直接推理 Qwen3-TTS 模型
|
||
- 异步任务处理与批量优化
|
||
- 支持本地模型 + 阿里云 API 双后端
|
||
|
||
**前端**: React 19 + TypeScript + Vite + Tailwind + Shadcn/ui
|
||
|
||
## 安装部署
|
||
|
||
### 环境要求
|
||
|
||
- Python 3.9+ 并支持 CUDA（用于本地模型推理）
|
||
- Node.js 18+（用于前端）
|
||
- Git
|
||
|
||
### 1. 克隆仓库
|
||
|
||
```bash
|
||
git clone https://github.com/bdim404/Qwen3-TTS-WebUI.git
|
||
cd Qwen3-TTS-webUI
|
||
```
|
||
|
||
### 2. 下载模型
|
||
|
||
**重要**: 模型**不会**自动下载，需要手动下载。
|
||
|
||
详细信息请访问官方仓库：[Qwen3-TTS 模型](https://github.com/QwenLM/Qwen3-TTS)
|
||
|
||
进入后端目录：
|
||
```bash
|
||
cd qwen3-tts-backend
|
||
mkdir -p Qwen && cd Qwen
|
||
```
|
||
|
||
**方式一：通过 ModelScope 下载（推荐中国大陆用户）**
|
||
|
||
```bash
|
||
pip install -U modelscope
|
||
|
||
modelscope download --model Qwen/Qwen3-TTS-Tokenizer-12Hz --local_dir ./Qwen3-TTS-Tokenizer-12Hz
|
||
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --local_dir ./Qwen3-TTS-12Hz-1.7B-CustomVoice
|
||
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign --local_dir ./Qwen3-TTS-12Hz-1.7B-VoiceDesign
|
||
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-Base --local_dir ./Qwen3-TTS-12Hz-1.7B-Base
|
||
```
|
||
|
||
可选的 0.6B 模型（更小、更快）：
|
||
```bash
|
||
modelscope download --model Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local_dir ./Qwen3-TTS-12Hz-0.6B-CustomVoice
|
||
modelscope download --model Qwen/Qwen3-TTS-12Hz-0.6B-Base --local_dir ./Qwen3-TTS-12Hz-0.6B-Base
|
||
```
|
||
|
||
**方式二：通过 Hugging Face 下载**
|
||
|
||
```bash
|
||
pip install -U "huggingface_hub[cli]"
|
||
|
||
hf download Qwen/Qwen3-TTS-Tokenizer-12Hz --local-dir ./Qwen3-TTS-Tokenizer-12Hz
|
||
hf download Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --local-dir ./Qwen3-TTS-12Hz-1.7B-CustomVoice
|
||
hf download Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign --local-dir ./Qwen3-TTS-12Hz-1.7B-VoiceDesign
|
||
hf download Qwen/Qwen3-TTS-12Hz-1.7B-Base --local-dir ./Qwen3-TTS-12Hz-1.7B-Base
|
||
```
|
||
|
||
可选的 0.6B 模型（更小、更快）：
|
||
```bash
|
||
hf download Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local-dir ./Qwen3-TTS-12Hz-0.6B-CustomVoice
|
||
hf download Qwen/Qwen3-TTS-12Hz-0.6B-Base --local-dir ./Qwen3-TTS-12Hz-0.6B-Base
|
||
```
|
||
|
||
**最终目录结构：**
|
||
```
|
||
Qwen3-TTS-webUI/
|
||
├── qwen3-tts-backend/
|
||
│ └── Qwen/
|
||
│ ├── Qwen3-TTS-Tokenizer-12Hz/
|
||
│ ├── Qwen3-TTS-12Hz-1.7B-CustomVoice/
|
||
│ ├── Qwen3-TTS-12Hz-1.7B-VoiceDesign/
|
||
│ └── Qwen3-TTS-12Hz-1.7B-Base/
|
||
```
|
||
|
||
### 3. 后端配置
|
||
|
||
```bash
|
||
cd qwen3-tts-backend
|
||
|
||
# 创建虚拟环境
|
||
python -m venv venv
|
||
source venv/bin/activate # Windows: venv\Scripts\activate
|
||
|
||
# 安装依赖
|
||
pip install -r requirements.txt
|
||
|
||
# 安装 Qwen3-TTS
|
||
pip install qwen-tts
|
||
|
||
# 创建配置文件
|
||
cp .env.example .env
|
||
|
||
# 编辑配置文件
|
||
# 本地模型：设置 MODEL_BASE_PATH=./Qwen
|
||
# 仅阿里云 API：设置 DEFAULT_BACKEND=aliyun
|
||
nano .env # 或使用其他编辑器
|
||
```
|
||
|
||
**重要的后端配置** (`.env` 文件)：
|
||
```env
|
||
MODEL_DEVICE=cuda:0 # 使用 GPU（或 cpu 使用 CPU）
|
||
MODEL_BASE_PATH=./Qwen # 已下载模型的路径
|
||
DEFAULT_BACKEND=local # 使用本地模型用 'local'，API 用 'aliyun'
|
||
DATABASE_URL=sqlite:///./qwen_tts.db
|
||
SECRET_KEY=your-secret-key-here # 请修改此项！
|
||
```
|
||
|
||
启动后端服务：
|
||
```bash
|
||
# 使用 uvicorn 直接启动
|
||
uvicorn main:app --host 0.0.0.0 --port 8000 --reload
|
||
|
||
# 或使用 conda（如果你喜欢）
|
||
conda run -n qwen3-tts uvicorn main:app --host 0.0.0.0 --port 8000 --reload
|
||
```
|
||
|
||
验证后端是否运行：
|
||
```bash
|
||
curl http://127.0.0.1:8000/health
|
||
```
|
||
|
||
### 4. 前端配置
|
||
|
||
```bash
|
||
cd qwen3-tts-frontend
|
||
|
||
# 安装依赖
|
||
npm install
|
||
|
||
# 创建配置文件
|
||
cp .env.example .env
|
||
|
||
# 编辑 .env 设置后端地址
|
||
echo "VITE_API_URL=http://localhost:8000" > .env
|
||
|
||
# 启动开发服务器
|
||
npm run dev
|
||
```
|
||
|
||
### 5. 访问应用
|
||
|
||
在浏览器中打开：`http://localhost:5173`
|
||
|
||
**默认账号**：
|
||
- 用户名：`admin`
|
||
- 密码：`admin123456`
|
||
- **重要**: 登录后请立即修改密码！
|
||
|
||
### 生产环境部署
|
||
|
||
用于生产环境：
|
||
|
||
```bash
|
||
# 后端：使用 gunicorn 或类似的 WSGI 服务器
|
||
cd qwen3-tts-backend
|
||
gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker -b 0.0.0.0:8000
|
||
|
||
# 前端：构建静态文件
|
||
cd qwen3-tts-frontend
|
||
npm run build
|
||
# 使用 nginx 或其他 Web 服务器提供 'dist' 文件夹
|
||
```
|
||
|
||
## 配置
|
||
|
||
### 后端配置
|
||
|
||
后端 `.env` 关键配置：
|
||
|
||
```env
|
||
SECRET_KEY=your-secret-key
|
||
MODEL_DEVICE=cuda:0
|
||
MODEL_BASE_PATH=../Qwen
|
||
DATABASE_URL=sqlite:///./qwen_tts.db
|
||
|
||
DEFAULT_BACKEND=local
|
||
|
||
ALIYUN_REGION=beijing
|
||
ALIYUN_MODEL_FLASH=qwen3-tts-flash-realtime
|
||
ALIYUN_MODEL_VC=qwen3-tts-vc-realtime-2026-01-15
|
||
ALIYUN_MODEL_VD=qwen3-tts-vd-realtime-2026-01-15
|
||
```
|
||
|
||
**后端选项：**
|
||
|
||
- `DEFAULT_BACKEND`: 默认 TTS 后端，可选值：`local` 或 `aliyun`
|
||
- **本地模式**: 使用本地 Qwen3-TTS 模型（需要配置 `MODEL_BASE_PATH`）
|
||
- **阿里云模式**: 使用阿里云 TTS API（需要用户在设置页面配置 API 密钥）
|
||
|
||
**阿里云配置：**
|
||
|
||
- 用户需要在 Web 界面的设置页面添加阿里云 API 密钥
|
||
- API 密钥经过加密后安全存储在数据库中
|
||
- 超级管理员可以控制是否为所有用户启用本地模型
|
||
- 获取阿里云 API 密钥，请访问 [阿里云控制台](https://dashscope.console.aliyun.com/)
|
||
|
||
### 前端配置
|
||
|
||
前端 `.env`：
|
||
|
||
```env
|
||
VITE_API_URL=http://localhost:8000
|
||
```
|
||
|
||
## 使用说明
|
||
|
||
### 切换后端
|
||
|
||
1. 登录 Web 界面
|
||
2. 进入设置页面
|
||
3. 配置您偏好的后端：
|
||
- **本地模型**：选择"本地模型"（需要超级管理员启用本地模型）
|
||
- **阿里云 API**：选择"阿里云"并添加您的 API 密钥
|
||
4. 选择的后端将默认用于所有 TTS 操作
|
||
5. 也可以通过 API 的 `backend` 参数为单次请求指定不同的后端
|
||
|
||
### 管理阿里云 API 密钥
|
||
|
||
1. 在设置页面找到"阿里云 API 密钥"部分
|
||
2. 输入您的阿里云 API 密钥
|
||
3. 点击"更新密钥"保存并验证
|
||
4. 系统会在保存前验证密钥的有效性
|
||
5. 可随时使用删除按钮删除密钥
|
||
|
||
## API
|
||
|
||
```
|
||
POST /auth/register - 注册
|
||
POST /auth/token - 登录
|
||
POST /tts/custom-voice - 自定义语音（支持 backend 参数）
|
||
POST /tts/voice-design - 语音设计（支持 backend 参数）
|
||
POST /tts/voice-clone - 语音克隆（支持 backend 参数）
|
||
GET /jobs - 任务列表
|
||
GET /jobs/{id}/download - 下载结果
|
||
```
|
||
|
||
**Backend 参数：**
|
||
|
||
所有 TTS 接口都支持可选的 `backend` 参数来指定使用的 TTS 后端：
|
||
- `backend: "local"` - 使用本地 Qwen3-TTS 模型
|
||
- `backend: "aliyun"` - 使用阿里云 TTS API
|
||
- 如果不指定，则使用用户的默认后端设置
|
||
|
||
## 特别鸣谢
|
||
|
||
本项目基于阿里云 Qwen 团队开源的 [Qwen3-TTS](https://github.com/QwenLM/Qwen3-TTS) 官方仓库构建。特别感谢 Qwen 团队开源如此强大的文本转语音模型。
|
||
|
||
## 许可证
|
||
|
||
Apache-2.0 license
|