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。
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
- IndexTTS2：高质量语音克隆，支持情感控制（高兴、愤怒、悲伤、恐惧、惊讶等），由 IndexTTS2 驱动
- 有声书生成：上传 EPUB 文件，通过 LLM 自动提取角色并分配语音，生成多角色有声书；支持为每个角色单独启用 IndexTTS2
- 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
 |
 |
有声书生成
 |
 |
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
IndexTTS2 模型（可选，用于情感控制语音克隆）
IndexTTS2 是可选功能。如需使用，在同一 Qwen/ 目录下运行：
# 仅下载所需文件，无需下载完整仓库
hf download IndexTeam/IndexTTS-2 \
bpe.model config.yaml feat1.pt feat2.pt gpt.pth s2mel.pth wav2vec2bert_stats.pt \
--local-dir ./IndexTTS2
然后安装 indextts 包：
git clone https://github.com/iszhanjiawei/indexTTS2.git
cd indexTTS2
pip install -e . --no-deps
cd ..
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/
└── IndexTTS2/ ← 可选，用于 IndexTTS2 功能
├── bpe.model
├── config.yaml
├── feat1.pt
├── feat2.pt
├── gpt.pth
├── s2mel.pth
└── wav2vec2bert_stats.pt
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
# 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
使用说明
切换后端
- 登录 Web 界面
- 进入设置页面
- 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
- 选择的后端将默认用于所有 TTS 操作
- 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
- 在设置页面找到"阿里云 API 密钥"部分
- 输入您的阿里云 API 密钥
- 点击"更新密钥"保存并验证
- 系统会在保存前验证密钥的有效性
- 可随时使用删除按钮删除密钥
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