pyVideoTrans

Appearance

🚀 零基础一键运行！Qwen3-TTS 语音合成/克隆 Windows 整合包使用教程 ​

👋 前言 ​

Qwen3-TTS 是一款非常强大的语音合成（TTS）模型，不仅能根据文字生成语音，还能克隆你的声音，甚至通过文字描述来设计一个从未存在过的声音！

通常部署这种开源大模型需要复杂的 Python 环境、各种依赖库安装，对非技术人员来说门槛极高。

我制作了一个 Windows 10/11 专用的一键整合包。 ✅ 无需手动安装 Python ✅ 无需配置复杂的环境变量 ✅ 内置环境管理工具（uv.exe） ✅ 自动下载模型（已配置国内加速）

你只需要下载整合包，解压，双击，即可开始使用！

📂 第一步：下载与解压 ​

  1. 下载我提供的整合包压缩文件。
  1. 【重要】 请将压缩包解压到一个没有中文、没有空格的路径下（例如 D:\AI\QwenTTS）。
    • 错误示范：C:\Users\张三\桌面\新建文件夹
    • 正确示范：D:\Tools\Qwen-TTS
  2. 打开文件夹，你应该会看到如下图所示的文件结构：

🖱️ 第二步：选择你需要的功能（5个启动脚本） ​

下载解压后，首先双击 0解压后立即点此安装运行环境.bat 该文件安装配置环境，仅需运行该文件一次

文件夹内有 5 个 .bat 文件，它们分别对应不同的功能和模型大小。你可以根据自己的电脑配置和需求选择双击哪一个。

1️⃣ 如果你想“克隆”声音（基于参考音频） ​

这种模式允许你上传一段 3-10 秒的参考音频，AI 会模仿这个声音说话。

  • 🎧 启动语音克隆-0.6B模型.bat
    • 特点：速度快，对电脑配置要求低，适合尝鲜。
  • 🎧 启动语音克隆-1.7B模型.bat
    • 特点：效果更好，声音更逼真，但生成速度稍慢，对电脑性能要求稍高。

2️⃣ 如果你想“设计”声音（Voice Design） ​

这种模式不需要参考音频，你可以直接用文字描述声音特征，例如：“一个深沉的、有磁性的中年男性声音”。

  • 🎨 启动声音设计.bat (使用的是 1.7B 模型)
    • 玩法：输入 Prompt（提示词）来创造独一无二的声音。

3️⃣ 如果你想使用“预设”角色（自定义音色） ​

这种模式内置了 Vivian, Uncle_fu, Sohee 等预设的高质量音色，稳定且好听。

  • 👤 启动自定义音色-0.6B模型.bat
  • 👤 启动自定义音色-1.7B模型.bat
    • 注意：此模式下不能使用参考音频，只能从下拉菜单选择角色。

⚙️ 第三步：启动与自动配置 ​

  1. 双击你选择的 .bat 文件。
  2. 会出现一个黑色的命令行窗口。请不要关闭它！
  3. 如果是第一次运行，工具会自动为你配置环境并下载模型文件。
    • 这里已内置了国内加速源（hf-mirror.com），下载速度有保障。
    • 根据你的网速，可能需要等待几分钟到十几分钟，请耐心等待。
  4. 当黑色窗口中出现以下字样时，说明启动成功了：
    text
    * To create a public link, set `share=True` in `launch()`.

🌐 第四步：开始使用 ​

  1. 打开你的浏览器（推荐 Chrome 或 Edge）。
  2. 在地址栏输入：http://127.0.0.1:8000 并回车。
  3. 你将看到 Qwen3-TTS 的操作界面：
    • 输入框：输入你想让 AI 读的文字。
    • 参考音频/Prompt：根据你启动的模式，上传音频或输入描述。
    • Generate（生成）：点击按钮，见证奇迹！

​

⚡ 高手进阶：如何开启显卡（GPU）加速？ ​

默认情况下，为了保证所有人的电脑（包括没有独立显卡的笔记本）都能运行，我将配置设置为了 CPU 模式。

如果你拥有一张 NVIDIA（英伟达）显卡 并且已经安装好了 CUDA 环境，你可以通过简单的修改来获得 10 倍以上的推理速度！

  1. 安装cuda版本的torch 如果你的cuda是 12.x

在整合包下bat所在文件夹内，地址栏清空，输入 cmd 后回车，接着输入以下命令，等待安装完毕再重新启动

runtime\python -m pip install --force-reinstall torch torchaudio --index-url https://download.pytorch.org/whl/cu128

如果是 13.X

在bat所在文件夹内，地址栏清空，输入 cmd 后回车，接着输入以下命令，等待安装完毕再重新启动 runtime\python -m pip install --force-reinstall torch torchaudio --index-url https://download.pytorch.org/whl/cu130

  1. 右键点击你想修改的 .bat 文件，选择“编辑”（或用记事本打开）。
  2. 找到文件最后一行包含以下代码的部分：
    batch
    --device cpu --dtype float32
  3. 删除 这段代码（即删除 --device cpu --dtype float32）。
  4. 保存文件，重新双击运行即可。程序会自动调用你的 GPU 进行加速。

❓ 常见问题 ​

  • Q: 双击后闪退怎么办？
    • A: 请检查解压路径是否包含中文或空格。请确保安装了 VC++ 运行库（通常玩游戏的电脑都有）。
  • Q: 生成速度很慢？
    • A: 默认 CPU 模式确实比 GPU 慢。如果你有 N 卡，建议按照“高手进阶”部分开启加速。1.7B 模型比 0.6B 慢是正常的。
  • Q: 第一次启动卡住不动了？
    • A: 这是在下载模型，文件较大（几GB），请看黑色窗口是否有进度条或下载提示，只要不报错就请耐心等待。

  1. 问题：报错Cannot find a function with api_name: /run_voice_clone 解决：出现这个报错，说明你在pyVideoTrans中使用了 clone角色或者使用了参考音频进行配音，这要求你必须启动 qwen-tts 的 语音克隆模型即Qwen3-TTS-12Hz-0.6B-Base或Qwen3-TTS-12Hz-1.7B-Base,而你启动了其他模型，例如启动的是自定义音色模型(只可使用内置音色)或声音设计模型(不支持在pyVideoTrans中使用)。 如果你是在菜单--TTS设置--Qwen-tts(本地)界面测试时遇到的这个报错，可尝试删掉参考音频文本框内容后再测试，会使用内置音色Vivian连接自定义音色模型，确保你已启动自定义音色模型。

  2. 问题：报错Cannot find a function with api_name: /run_instruct 解决：出现这个报错，说明你在使用qwen-tts的自定义模型的内置音色("Vivian","Serena","Uncle_fu","Dylan","Eric","Ryan","Aiden","Ono_anna","Sohee"),但并没有对应启动自定义模型(Qwen3-TTS-12Hz-0.6B-CustomVoice、Qwen3-TTS-12Hz-1.7B-CustomVoice)，请去启动

  3. 问题：启动了 VoiceDesign 模型但报错 解决：pyVideoTrans软件仅支持 qwen-tts 的 语音克隆模型和自定义音色模型，不支持 声音设计模型即VoiceDesign系列模型