Qwen3-TTS
QwenLM/Qwen3-TTSAI 已审核
RepoPicks Radar 检查于
Qwen3-TTS 是什么?
阿里巴巴的 Qwen 团队发布了这些语音模型,并配套提供一个 Python 包。你可以用九种现成的声音,以十种语言朗读文字;也可以用一句话描述你想要的声音,让模型凭空创造一个;或者给它一段三秒钟的录音,让它用那个声音说话。你需要安装 Python 和 qwen-tts 包,模型文件(0.6B 或 1.7B)会在第一次使用时自动下载。README 里的所有示例都是把模型加载到 NVIDIA 显卡上运行。一条命令就能打开一个本地网页,不写代码也能试用;阿里巴巴还把同样的功能作为付费在线服务出售。
Qwen3-TTS 免费开源(Apache-2.0),可以替代 ElevenLabs、Murf和Fish Audio。
Qwen3-TTS 安装有多容易?
D · 终端、多个工具或特定显卡 · Windows
- Windows D
- Linux D
在 Linux 和 Windows 上都是终端操作,外加特定的硬件要求:创建一个 Python 环境,运行 "pip install -U qwen-tts",等几个 GB 的模型下载完成,再运行 "qwen-tts-demo <model>" 打开本地网页。README 里的每个示例都用 device_map="cuda:0" 和 bfloat16 加载模型,并建议编译 flash-attn,所以需要一块 NVIDIA 显卡;Linux 比 Windows 更省心,因为 flash-attn 和 vLLM 都是为它构建的。README 完全没有提到 Mac。
即将推出:用 RepoPicks 应用一键安装。
Qwen3-TTS 的 GitHub 数据
- 星标
- 14,3432026年11月10日
- 下载量
- —所有发布版本
- 增长
- +1286 天内新增星标
星标变化
事实
- 可运行于
- Windows, Linux
- 需要安装
- Python, NVIDIA 显卡
- 从源码编译需要
- Python
- 磁盘空间
- 150 MB–450 MB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 代码和模型权重在 Apache-2.0 协议下免费;阿里云的 DashScope 把同样的模型作为付费在线服务出售。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ElevenLabs, Murf, Fish Audio
- GitHub 上的最近改动
- 2026年3月17日
Qwen3-TTS 的风险信号 (5)
- 注意克隆真实人物的声音
Base 模型的介绍是能做到 "3-second rapid voice clone from user audio input",而 ref_audio "can be a local file path, a URL, a base64 string",所以从网上拿到某人三秒钟的声音就足够了;复刻一个人的声音在不少国家是受限制的。
AI 审核
- 注意演示服务器不设密码就对外开放
README 自己给出的命令是 "qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-Base --ip 0.0.0.0 --port 8000",以及用于 HTTPS 的自签名证书加 "--no-ssl-verify";0.0.0.0 意味着任何能在那个端口连到你机器的人都能使用这个没有登录功能的网页。
AI 审核
- 信息声音设计示例描述了一个像孩子的声音
README 里一个 Voice Design 示例要求 "撒娇稚嫩的萝莉女声",另一个要求 "Male, 17 years old" 的声音,说明这个模型可以被要求生成听起来像未成年人的声音。
AI 审核
- 信息模型文件在首次使用时下载
README:"During model loading in the qwen-tts package or vLLM, model weights will be automatically downloaded based on the model name",来源是 Hugging Face 或 ModelScope;检查里给出的 150-450 MB 估算只是代码体积,不包含这些文件。
AI 审核
- 信息没有发行版,自 3 月起没有动静
GitHub 上没有发行版,pyproject.toml 里的包版本是 0.1.1,最后一次提交是在 2026-03-17(检查时的 237 天前),而 README 却说报告里提到的其他模型 "will be released in the near future"。
AI 审核
证据以原始语言显示。
Radar 无法验证的 Qwen3-TTS 相关内容
- 没有 NVIDIA 显卡的情况下到底能不能跑,因为 README 完全没有给出 CPU 或 Apple Silicon 的路径。
- 0.6B 和 1.7B 模型下载之后实际占用多少磁盘和显存。
- 几个主要指标(首次出声 97 毫秒、表格里的错误率)都是作者自己测出来的。
- 葡萄牙语和西班牙语的语音效果和得到更多关注的中文、英文相比怎么样。
- 在普通家用电脑上编译 flash-attn 是否真的可行;README 在这一步提醒要注意内存和 CPU 核心数。