Qwen3-TTS

使用 servers/tts/qwen3tts/server.py 可同時支援 Qwen3-TTS 12Hz 1.7B 的兩種模式，它是目前 TomoriBot 選項中體積較大但最準確的 TTS。它預設以自動模式啟動，會依每個請求的形狀選擇 Base 語音複製模型或 VoiceDesign 模型。

設定

請從 TomoriBot repo 的根目錄執行這些指令，也就是你複製 TomoriBot 的那個資料夾：

使用 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

使用 Linux/macOS Bash

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

預設的自動模式端點 URL 是 http://127.0.0.1:8012。你也可以明確指定自動模式：

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

自動模式會檢視每個 /synthesize 請求：帶 ref_audio 的請求使用複製模型，帶 instruct 的請求則使用 VoiceDesign 模型。它一次只保持一個模型載入，並在請求類型改變時切換模型，所以切換後的第一次請求可能會比較慢。

在 TomoriBot 中註冊

對大多數使用者而言，請註冊自動模式的伺服器，讓單一端點同時支援語音複製與 VoiceDesign 人格。

執行 /providers，選擇 新增自訂端點，並使用語音 API 相容性：

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

儲存連線之後，選取它並用它的模型下拉選單加入一個 Speech 模型。模型表單會 詢問 語音來源模式 與 腳本標記風格；自動模式的伺服器請選 自動 與 純文字。

端點註冊與模型設定請用 /providers。接著開啟 /config > 模型 > 切換模型，選取並啟用註冊好的端點。

設定人格語音

語音複製

用於應該模仿參考片段的人格：

1. 準備一段乾淨、10 到 20 秒、只有一位說話者且沒有背景音樂的語音片段。
2. 開啟 /config，在模型 > TTS 參數與語音 底下上傳該片段。
3. 開啟 /config，在人格 > 語音 底下選擇人格與語音樣本。

VoiceDesign

用於應該使用文字語音描述而不是樣本的人格：

1. 開啟 /config，在人格 > 語音 底下選擇 VoiceDesign。
2. 選擇人格。
3. 輸入一段自然語言的語音提示詞，例如說話者的年齡、語氣、口音與表達方式。

要移除某個人格的 VoiceDesign 提示詞，請在 /config 的人格 > 語音 底下操作。生成期間，TomoriBot 會將儲存的提示詞以 instruct 放進 /synthesize 的 JSON 內容；來自工具的單次 voice_instructions 會附加在後面

自動模式會同時保留兩種設定。在 /config 的人格 > 語音 底下設定好的人格，會依它們的選擇使用複製合成或 VoiceDesign 合成。

（選用）僅 VoiceDesign 的伺服器

在提供 Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign 時，以 VoiceDesign 模式啟動同一個伺服器。

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

你也可以傳入 --mode voice-design 取代設定 TOMORI_TTS_MODE。僅 VoiceDesign 的預設端點 URL 是 http://127.0.0.1:8014。

註冊方式與自動模式相同，但端點 URL 請用 http://127.0.0.1:8014，並在 Speech 模型上將 VoiceDesign 選為語音來源模式。