闲社服务运行正常AI智能体自动化平台
q

Qwen3语音合成

技能标识:qwen3-tts

Text-to-speech with Qwen3-TTS VoiceDesign. Design custom voices via natural language descriptions + seed-based timbre fixation. Includes OpenAI-compatible API server, one-click setup, and batch seed exploration tools. Use when generating speech, designing voices, or adding TTS to OpenClaw.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

Qwen3语音合成

Qwen3-TTS 语音设计

文本 → 语音,支持自然语言语音描述 + 基于种子的音色固定。

快速开始

bash

生成语音(使用服务器默认设置)


TTS_URL=http://your-server:8881 scripts/say.sh 你好世界!

保存到文件

scripts/say.sh 保存这段 output.mp3

批量对比种子(语音探索)

scripts/batch_seeds.sh 你好世界! 42 123 201 456 789 /tmp/seeds

环境变量

所有配置通过环境变量设置——文本是唯一必需的参数:

变量默认值描述
TTSURLhttp://localhost:8881服务器基础URL(客户端侧)
TTSSEED
4096 | 随机种子 → 控制音色 |
| TTS_INSTRUCT | (通用女声) | 语音描述提示词 |
| TTSMODELPATH | Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign | 模型权重路径 |
| TTS_PORT | 8881 | 服务器监听端口 |
| TTS_HOST | 0.0.0.0 | 服务器绑定地址 |
| TTS_FORMAT | mp3 | 输出格式:mp3 / wav |

服务器从其目录下的 .env 文件读取配置。客户端脚本从shell环境变量读取。

语音描述示例

30岁男性播音员,声音低沉磁性,
语速稳重从容,咬字清晰标准,
像新闻联播主播的专业感,又带一点温暖。

提示: 一旦找到完美的语音(描述+种子),将其设置为 .env 中的服务器默认值。之后客户端调用只需传递 text。

API

OpenAI兼容

bash
curl -X POST $TTS_URL/v1/audio/speech \
-H Content-Type: application/json \
-d {input: 你好!} -o speech.mp3

自定义(种子+指令覆盖)

bash
curl -X POST $TTS_URL/tts \
-H Content-Type: application/json \
-d {text: 你好!, seed: 201, instruct: 温柔女生} -o speech.mp3

GET(快速测试)

bash
curl $TTS_URL/tts?text=你好&seed=201 -o test.mp3

种子机制

相同的 (描述 + 种子) → 相同的音色。不同的种子 → 完全不同的声音。

⚠️ 种子完全是随机的——种子42和43可能听起来完全不同。寻找语音就像开盲盒。

工作流程: 固定描述 → 批量测试30-40个种子 → 试听 → 筛选2-3个 → 跨场景对比 → 选定。

自行部署

bash

一键安装(需要Python 3.10+和CUDA GPU)


bash scripts/setup.sh ./my-tts

在.env中配置语音

echo TTS_SEED=201 >> ./my-tts/.env echo TTS_INSTRUCT=在此输入您的语音描述 >> ./my-tts/.env

启动服务器

bash scripts/setup.sh start ./my-tts

安装程序会安装:qwen-tts、soundfile、pydub、uvicorn、fastapi、torch(CUDA版本)。
通过ModelScope(中国)或HuggingFace下载VoiceDesign模型(约3.5GB)。

系统要求: CUDA GPU(4GB+显存)、Python 3.10+、约4GB磁盘空间。

脚本

脚本用途
scripts/say.sh生成语音 — say.sh 文本 [output.mp3]
scripts/batchseeds.sh
对比种子 — batchseeds.sh 文本 seed1 seed2 ... | | scripts/tts_server.py | FastAPI服务器(完全环境变量可配置) | | scripts/setup.sh | 一键部署(虚拟环境+依赖+模型下载) |

OpenClaw集成

在 openclaw.json 中:
json
{
env: { OPENAITTSBASE_URL: http://:8881/v1 },
messages: {
tts: {
provider: openai,
openai: { apiKey: dummy, model: qwen3-tts, voice: default },
timeoutMs: 120000
}
}
}

服务器管理

bash

健康检查


curl -s $TTS_URL/health

启动(前台)

python tts_server.py

启动(后台,Linux/macOS)

nohup python tts_server.py > server.log 2>&1 &

自动重启(Windows — 计划任务+守护脚本)

创建 tts_guard.bat:

@echo off

:loop

python tts_server.py

timeout /t 10

goto loop

注册:schtasks /create /tn TTS-Guard /tr tts_guard.bat /sc onlogon /rl highest

自动重启(Linux — systemd)

详见 setup.sh 输出的 systemd 单元模板

停止

Linux/macOS:kill $(lsof -ti:8881)

Windows:for /f tokens=5 %a in (netstat -aon ^| findstr :8881) do taskkill /PID %a /F

故障排除

  • - 连接被拒绝 → 服务器未运行;启动它
  • 首次请求30秒以上 → 冷启动(模型加载约60秒);后续请求10-15秒
  • 位于代理后面 → 在客户端设置 NO_PROXY=<服务器IP>
  • Windows防火墙 → netsh advfirewall firewall add rule name=TTS dir=in action=allow protocol=TCP localport=8881
  • Windows上无flash-attn → 正常;回退到PyTorch SDPA(较慢但可用)
  • PowerShell损坏中文 → 通过Python或SCP编辑 .env/配置,不要使用PowerShell的 Set-Content
  • SSH断开时进程终止 → 使用计划任务(Windows)或systemd(Linux)代替前台运行

语音设计技巧

像为角色配音一样描述:

  • - 年龄/性别:18岁女大学生 / 30岁男性播音员
  • 质感:柔和温暖 / 清脆明亮 / 低沉磁性
  • 情感:轻柔细腻 / 活泼开朗
  • 口音:南方口音软糯 / 台湾腔 / 东北大碴子味
  • 比喻:像棉花糖 / 像播音主持(帮助模型捕捉感觉)

⚠️ 音色 ≠ 描述。 描述控制风格/情感;种子控制音色。不要在描述中加入个性特征(灵动俏皮)——那是种子的工作。

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 qwen3-tts-voicedesign-1776309078 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 qwen3-tts-voicedesign-1776309078 技能

通过命令行安装

skillhub install qwen3-tts-voicedesign-1776309078

下载

⬇ 下载 qwen3-tts v1.0.0(免费)

文件大小: 9.29 KB | 发布时间: 2026-4-16 16:58

v1.0.0 最新 2026-4-16 16:58
Initial release: VoiceDesign voice design via natural language + seed fixation, OpenAI-compatible API server, one-click setup, batch seed exploration
返回顶部