Canto/README.zh.md

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 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。

English Documentation

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

移动端

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

Docker 部署

预构建镜像已发布至 Docker Hub：bdim404/qwen3-tts-backend、bdim404/qwen3-tts-frontend

前置要求：Docker、Docker Compose、NVIDIA GPU + NVIDIA Container Toolkit

git clone https://github.com/bdim404/Qwen3-TTS-WebUI.git
cd Qwen3-TTS-webUI

# 下载模型到 docker/models/（参见下方"安装部署 > 下载模型"）
mkdir -p docker/models docker/data

# 配置
cp docker/.env.example docker/.env
# 编辑 docker/.env，设置 SECRET_KEY

cd docker

# 拉取预构建镜像
docker compose pull

# 启动（仅 CPU）
docker compose up -d

# 启动（GPU 加速）
docker compose -f docker-compose.yml -f docker-compose.gpu.yml up -d

访问 http://localhost，默认账号：admin / admin123456

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

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

进入模型目录：

# Docker 部署
mkdir -p docker/models && cd docker/models

# 本地部署
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）

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）：

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

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）：

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：

Docker 部署（docker/models/）：

Qwen3-TTS-webUI/
└── docker/
    └── models/
        ├── Qwen3-TTS-Tokenizer-12Hz/
        ├── Qwen3-TTS-12Hz-1.7B-CustomVoice/
        ├── Qwen3-TTS-12Hz-1.7B-VoiceDesign/
        └── Qwen3-TTS-12Hz-1.7B-Base/

本地部署（qwen3-tts-backend/Qwen/）：

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

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)：

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：

# 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：

curl http://127.0.0.1:8000/health

4. 前端配置

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：

# 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：

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

前端配置

前端 .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 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