Qwen3-TTS Voice Synthesis

Qwen3-TTS 本地语音合成。支持音色克隆、声音设计、多角色对话。琪琪OPC首选TTS，失败回退到 tts-cosyvoice (Edge TTS)。

Qwen3-TTS 本地语音合成

基于 Qwen3-TTS 1.7B 模型，支持音色克隆 + 声音设计 + 多角色对话。 琪琪OPC 首选 TTS，失败时回退到 tts-cosyvoice (Edge TTS)。

优先级

text

Qwen3-TTS（本地GPU，音色克隆+设计）→ Edge TTS（tts-cosyvoice，云端回退）

琪琪OPC 音色库

6 个角色音色，通过 ComfyUI API 调用：

角色	音色名	方式	说明	用途
🐰 琪琪	qiqi_clone	克隆	ref_audio=qiqi_voice_v3.wav	琪琪对话
📖 旁白	narrator_teacher	VoiceDesign	seed=100, 温暖女声	叙事
👦 男孩	boy_child	VoiceDesign	seed=200, 活泼8岁	儿童男角
👧 女孩	girl_child	VoiceDesign	seed=300, 甜美7岁	儿童女角
👨 大人男	adult_male	VoiceDesign	seed=400, 沉稳	成年男角
👩 大人女	adult_female	VoiceDesign	seed=500, 优雅	成年女角

脚本

单角色 TTS

bash

python3 {baseDir}/scripts/qwen_tts.py \
  --text "你好，我是琪琪" \
  --voice qiqi_clone \
  --output /tmp/output.wav

多角色对话 TTS

bash

python3 {baseDir}/scripts/qwen_tts_dialogue.py \
  --script "琪琪:你好呀！\n旁白:琪琪开心地笑了。" \
  --output /tmp/dialogue.wav \
  --srt /tmp/dialogue.srt

选项

选项	默认	说明
--text	(必需)	要合成的文本
--voice	narrator_teacher	音色名（见音色库）
--output	/tmp/qwen_tts_output.wav	输出文件路径
--language	Chinese	语言
--model	1.7B	模型大小 (0.6B/1.7B)
--attention	sdpa	注意力机制
--fallback-edge	true	失败时回退到 Edge TTS

对话脚本格式

text

角色名: 台词内容
角色名: 台词内容

角色名映射到音色库中的音色。旁白 映射到 narrator_teacher。

依赖

• ComfyUI 运行中（localhost:8188）
• ComfyUI-Qwen-TTS 插件已安装
• Qwen3-TTS 模型已下载（~/ComfyUI/models/qwen-tts/）
• comfyui-venv Python 环境

回退策略

当 Qwen3-TTS 不可用时（ComfyUI 未启动 / GPU 显存不足 / 生成失败）， 自动回退到 Edge TTS (tts-cosyvoice)：

• 琪琪 → zh-CN-XiaoyiNeural
• 旁白 → zh-CN-XiaoxiaoNeural
• 男孩 → zh-CN-YunxiNeural
• 女孩 → zh-CN-XiaoyiNeural
• 大人男 → zh-CN-YunjianNeural
• 大人女 → zh-CN-XiaoxiaoNeural

---

版本: v1.0 | 琪琪OPC 首选 TTS | 基于 Qwen3-TTS + ComfyUI