Qwen3-TTS

Use servers/tts/qwen3tts/server.py para ambos os modos do Qwen3-TTS 12Hz 1.7B, a opção de TTS maior porém a mais precisa entre as atuais do TomoriBot. Por padrão, ele inicia no modo automático, que escolhe o modelo Base de clone de voz ou o modelo VoiceDesign a partir do formato de cada requisição.

Configuração

Execute estes comandos a partir da raiz do repositório do TomoriBot, a pasta onde você clonou o TomoriBot:

Usando o Windows PowerShell

python -m venv servers\tts\qwen3tts\.venv
servers\tts\qwen3tts\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
pip install -r servers\tts\qwen3tts\requirements.txt
python servers\tts\qwen3tts\server.py

Usando Bash no Linux/macOS

python3 -m venv servers/tts/qwen3tts/.venv
source servers/tts/qwen3tts/.venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -r servers/tts/qwen3tts/requirements.txt
python servers/tts/qwen3tts/server.py

A URL padrão do endpoint no modo automático é http://127.0.0.1:8012. Você também pode especificar o modo automático explicitamente:

python servers\tts\qwen3tts\server.py --mode auto

O modo automático inspeciona cada requisição /synthesize: requisições com ref_audio usam o modelo de clone, enquanto requisições com instruct usam o modelo VoiceDesign. Ele mantém apenas um modelo carregado por vez e troca os modelos quando o tipo de requisição muda, de modo que a primeira requisição após uma troca pode ser mais lenta.

Registrar no TomoriBot

Para a maioria dos usuários, registre o servidor no modo automático para que um único endpoint possa suportar as personas tanto para clone de voz quanto para VoiceDesign.

Execute /providers, escolha Add New Custom Endpoint e use a compatibilidade da API de fala:

• API Compatibility: tts-clone
• endpoint_url: http://127.0.0.1:8012

Após salvar a conexão, selecione-a e use o menu suspenso de modelo para adicionar um modelo de fala (Speech). O formulário do modelo pede por Voice Source Mode e Script Markup; escolha Auto e Plain para o servidor em modo automático.

Use /providers para registro do endpoint e configuração do modelo. Em seguida, abra /config > Models > Switch Models para selecionar e ativar o endpoint registrado.

Configurar Vozes das Personas

Clonagem de voz

Use isso para personas que devem imitar um clipe de referência:

1. Prepare um clipe de voz limpo de 10 a 20 segundos com um locutor e sem música de fundo.
2. Abra /config em Models > TTS Parameters & Voices e envie o clipe.
3. Abra /config em Persona > Voice e, em seguida, escolha a persona e a amostra de voz.

VoiceDesign

Use isso para personas que devem usar uma descrição de voz escrita em vez de uma amostra:

1. Abra /config em Persona > Voice e escolha VoiceDesign.
2. Escolha a persona.
3. Insira um prompt de voz em linguagem natural, como a idade do locutor, tom, sotaque e estilo de entrega.

Remova o prompt do VoiceDesign de uma persona em Persona > Voice em /config. Durante a geração, o TomoriBot envia o prompt salvo no corpo JSON de /synthesize como instruct; comandos pontuais de voice_instructions a partir da ferramenta são anexados.

O modo automático mantém ambas as configurações. Personas configuradas em Persona > Voice em /config usam a síntese de clone ou a síntese do VoiceDesign de acordo com sua seleção.

(Opcional) Servidor Apenas para VoiceDesign

Inicie o mesmo servidor no modo VoiceDesign ao servir Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign.

Windows PowerShell:

servers\tts\qwen3tts\.venv\Scripts\Activate.ps1
$env:TOMORI_TTS_MODE = "voice-design"
python servers\tts\qwen3tts\server.py

Bash:

source servers/tts/qwen3tts/.venv/bin/activate
TOMORI_TTS_MODE=voice-design python servers/tts/qwen3tts/server.py

Você também pode passar --mode voice-design em vez de definir TOMORI_TTS_MODE. A URL padrão do endpoint apenas para VoiceDesign é http://127.0.0.1:8014.

Registre-o da mesma forma que o modo automático, mas use a URL do endpoint http://127.0.0.1:8014 e escolha VoiceDesign como o Voice Source Mode no modelo de fala (Speech).