Qwen3-TTS适用于Mac的版本

使用mlx-community模型，MPS加速，生成速度快，占用内存小，一键启动（qwen3-tts.sh脚本）

20260616代码优化+深夜模式UI更新：

20260311功能更新：

1、美化UI界面（抛弃gradio使用index）

2、零样本克隆和语音设计页，根据输入文本正确进行多语种识别：

"Chinese":"zh""English":"en","Japanese":"ja","Korean":"ko"，"French":"fr","German":"de","Spanish":"es","RuSsian":"ru","Portuguese":"pt","Italian":"it"

3、对长句进行了分段拆分，避免零样本克隆时，长句生成音频会导致语速越来越快的问题。

4、语速调节功能测试下来没有效果，在代码里已经给隐藏了（3中已经解决了生成长句的语速越来越快问题，所有个人觉的也没必要加语速控制了）

5、点击随机种子即刻会重新生成，不用再点击一次种子再点击一次生成，简化了操作（默认设定是上次生成的种子数一直保留，直到用户点击随机种子才产生新的随机种子）

新界面

运行日志

✅ 模型加载完成 (0.6s)
🔍 [Pro-Design] 模式自动语种识别：检测到 'ko' (Korean)

🎯 生成参数检查:
   • mode: Pro-Design
   • speed: 1.0 (类型：float)
   • full_lang: Korean
   • lang_code: ko
   • text 长度：292 chars
   • seed: 3828344949
🎨 执行语音设计生成 (Seed: 3828344949, Lang: Korean)...
   • ✅ 语音设计生成完成
====================
Duration:          43.36s
Processing Time:   15.99s
Real-time Factor:  2.71x
Peak Memory:       9.06GB
====================

🔍 [Pro-Clone] 模式自动语种识别：检测到 'zh' (Chinese)

🎯 生成参数检查:
   • mode: Pro-Clone
   • speed: 1.0 (类型：float)
   • full_lang: Chinese
   • lang_code: zh
   • text 长度：171 chars
   • seed: 1823475686
🧬 执行克隆生成 (Seed: 1823475686, Speed: 1.0x, Lang: zh)...
   • ref_audio: /var/folders/g2/9nr8q_kj2tggghtk37whpbsh0000gn/T/ref_1773296826_呃……朋友们好啊，我是浑元形意太极门掌门，
     马保国。刚才有个朋友问我，马老师发生甚么事了？我是怎么回事？.wav
   • ref_text: 呃……朋友们好啊，我是浑元形意太极门掌门，马保国。刚才有个朋友问我，马老师发生甚么事了？我是怎么回事...
   • speed 参数值：1.0 (类型：float)
   • 文本分割：5 段
   • 生成第 1/5 段：你迈开脚步，试图穿过这间屋子，然而你的鞋...
   • 生成第 2/5 段：墙壁仿佛有了呼吸，随着你的靠近而微微起伏...
   • 生成第 3/5 段：你走了很久，久到忘记了时间的流逝。...
   • 生成第 4/5 段：起初的几步，走廊明明短得可一眼望穿，可不...
   • 生成第 5/5 段：你的影子在墙上被拉长、扭曲，时而变成你，...
   • ✅ 分段拼接完成，总时长：33.20s
====================
Duration:          33.20s
Processing Time:   16.22s
Real-time Factor:  2.05x
Peak Memory:       7.69GB
====================
INFO:     127.0.0.1:55602 - "POST /api/generate HTTP/1.1" 200 OK

安装注意事项简述：

1、clone项目到本地后，使用conda建立环境

2、使用mlx-community的qwen3tts模型生成音频和mlx_whisper的模型来识别参考音转换文本

模型放置地址在项目目录下

～/models/Qwen3-TTS-12Hz-1.7B-Base-8bit
～/models/Qwen3-TTS-12Hz-1.7B-CustomVoice-8bit
～/models/Qwen3-TTS-12Hz-1.7B-VoiceDesign-8bit
～/models/mlx_whisper/whisper-large-v3-turbo-asr-fp16

3、如果要支持上传多种音频格式（m4a,mp3等）需要安装ffmpeg，否则会产生错误，请自己在conda激活qwen3-tts项目环境后，自行安装一下。

conda install -c conda-forge ffmpeg

4、模型没有设定成自动下载，需要自己对应下载相关模型，因为本项目初衷是为了替代index-tts的“克隆”功能，所以怕使用的时候点到别的模式触发自动下载模型，占用硬盘空间。

5、qwen3-tts.sh的使用，请自行"chmod +x qwen3-tts.sh"在终端中赋予执行权限。

6、本项目只是个人爱好，并不会定期更新功能。

感谢这个作者写的qwen3tts-mlx-audio项目，我在他的基础上修改而来

https://github.com/kapi2800/qwen3-tts-apple-silicon?tab=readme-ov-file

模型下载地址 (默认使用1.7B-8bit的模型(260228))

合并代码为单文件版后已经是混合两种模型使用了

模型分类：#官方预设角色 CustomVoice #语音设计 VoiceDesign #零样本克隆 Base 
Pro Models (1.7B) - Best Quality
CustomVoice https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-8bit
VoiceDesign https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-8bit
Base        https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-1.7B-Base-8bit
Lite Models (0.6B) - Faster, Less RAM 
CustomVoice https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit
VoiceDesign https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-0.6B-VoiceDesign-8bit
Base        https://huggingface.co/mlx-community/Qwen3-TTS-12Hz-0.6B-Base-8bit
whisper     https://huggingface.co/mlx-community/whisper-large-v3-turbo-asr-fp16

------------------------以下为旧版（可以不用看了）------------------------

#预设角色音频调用功能

#自主语音设计功能

#零样本语音克隆功能

#生成速度及资源占用