Mindket

Qwen3-TTS Demo

新上架第 1 版 · 更新于

概览

在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音,可在浏览器里用,也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。

Qwen3-TTS Demo 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • requirements.txt 里列出的包
  • Windows、macOS 或 Linux
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑,需要 Python
先运行
pip install -U huggingface_hub
hf download Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS
cd Qwen3-TTS

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Qwen3-TTS Demo 是 Qwen 团队做的 Gradio 页面,用来试用他们的文字转语音模型。它提到三个 1.7B 检查点,分别叫 Base、CustomVoice 和 VoiceDesign。你可以直接在浏览器里使用,不需要安装任何东西。

适合谁

它适合想听听现代开源语音模型是什么声音的人,也适合想看这类演示怎么搭建的开发者。

行业谁在用怎么用例子
软件开发者在给应用加入语音之前先读演示代码浏览 app.py 和 qwen_tts 文件夹
媒体内容创作者试听一小段脚本的语音版本输入几行文字,播放返回的音频
研究语音研究人员在一个地方对比提到的三个检查点把同一段文字交给 Space 里提到的每个模型
教育老师和学生听人读出书面材料粘贴一小段文字并听它

如果你需要有自己应用和支持的成品,可以跳过它,因为这只是一个演示页面。

用在哪里

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑,需要 Python
使用场景谁用得到什么
把文字读出来创作者为你给出的文字生成的语音
试用提到的模型研究人员一个能听 Base、CustomVoice 和 VoiceDesign 的地方
研究演示开发者一个可以阅读和修改的小型 Gradio 应用

如何设置

在线页面不需要准备任何东西。本地副本需要 Python 和 requirements.txt 里列出的包。

  • Python 和 pip
  • requirements.txt 里列出的包
  • Windows、macOS 或 Linux
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 Qwen3-TTS 的文件夹。
  3. 进入该文件夹。
  4. 安装 Gradio 5.33.0,再安装 requirements.txt 里的包。
  5. 启动 app.py。
pip install -U huggingface_hub
hf download Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS
cd Qwen3-TTS
pip install gradio==5.33.0
pip install -r requirements.txt
python app.py

如何使用

打开这个 Space 的页面,使用它显示的表单。如果是本地副本,运行上面最后一条命令,然后在浏览器里打开它打印出的地址。

python app.py

示例

你打开页面,给它一小段文字,要求生成语音。页面运行一个模型,返回可以在浏览器里播放的音频。

新手与专家

先打开在线页面,给它一个短句。先播放返回的音频,再尝试更长的内容。

这个应用用 Gradio 5.33.0 搭建,主文件是 app.py。Hugging Face 上的副本运行在 ZeroGPU 硬件上,它会按请求分配 GPU。仓库里有 app.py、一个 qwen_tts 文件夹和 requirements.txt。记录里没有 README,所以没有说明页面的设置,也没有说明三个检查点各有什么不同。

  1. 打开页面
  2. 给它要朗读的文字
  3. Qwen3-TTS 模型运行
  4. 播放音频

注意事项

  • 硬件:Hugging Face 上的副本运行在 ZeroGPU 硬件上。
  • 空缺:来源没有 README,所以这里没有描述声音选项和限制。
  • License:apache-2。
  • Cost to run:未提及。
  • Data it reaches:你给它的文字。本地副本还会下载 requirements.txt 里的包。

README 和文件

README

Qwen3-TTS Demo

在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音,可在浏览器里用,也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Qwen3-TTS Demo 是 Qwen 团队做的 Gradio 页面,用来试用他们的文字转语音模型。它提到三个 1.7B 检查点,分别叫 Base、CustomVoice 和 VoiceDesign。你可以直接在浏览器里使用,不需要安装任何东西。

适合谁:它适合想听听现代开源语音模型是什么声音的人,也适合想看这类演示怎么搭建的开发者。

行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 在给应用加入语音之前先读演示代码 | 浏览 app.py 和 qwen_tts 文件夹
媒体 | 内容创作者 | 试听一小段脚本的语音版本 | 输入几行文字,播放返回的音频
研究 | 语音研究人员 | 在一个地方对比提到的三个检查点 | 把同一段文字交给 Space 里提到的每个模型
教育 | 老师和学生 | 听人读出书面材料 | 粘贴一小段文字并听它

如果你需要有自己应用和支持的成品,可以跳过它,因为这只是一个演示页面。

用在哪里:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑,需要 Python
使用场景 | 谁用 | 得到什么
把文字读出来 | 创作者 | 为你给出的文字生成的语音
试用提到的模型 | 研究人员 | 一个能听 Base、CustomVoice 和 VoiceDesign 的地方
研究演示 | 开发者 | 一个可以阅读和修改的小型 Gradio 应用

如何设置:在线页面不需要准备任何东西。本地副本需要 Python 和 requirements.txt 里列出的包。

  • Python 和 pip
  • requirements.txt 里列出的包
  • Windows、macOS 或 Linux
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 Qwen3-TTS 的文件夹。
  3. 进入该文件夹。
  4. 安装 Gradio 5.33.0,再安装 requirements.txt 里的包。
  5. 启动 app.py。
pip install -U huggingface_hub
hf download Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS
cd Qwen3-TTS
pip install gradio==5.33.0
pip install -r requirements.txt
python app.py

如何使用:打开这个 Space 的页面,使用它显示的表单。如果是本地副本,运行上面最后一条命令,然后在浏览器里打开它打印出的地址。

python app.py

示例:你打开页面,给它一小段文字,要求生成语音。页面运行一个模型,返回可以在浏览器里播放的音频。

新手与专家:先打开在线页面,给它一个短句。先播放返回的音频,再尝试更长的内容。

这个应用用 Gradio 5.33.0 搭建,主文件是 app.py。Hugging Face 上的副本运行在 ZeroGPU 硬件上,它会按请求分配 GPU。仓库里有 app.py、一个 qwen_tts 文件夹和 requirements.txt。记录里没有 README,所以没有说明页面的设置,也没有说明三个检查点各有什么不同。

打开页面
给它要朗读的文字
Qwen3-TTS 模型运行
播放音频

注意事项:

  • 硬件:Hugging Face 上的副本运行在 ZeroGPU 硬件上。
  • 空缺:来源没有 README,所以这里没有描述声音选项和限制。
  • License:apache-2。
  • Cost to run:未提及。
  • Data it reaches:你给它的文字。本地副本还会下载 requirements.txt 里的包。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2,410
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Qwen/Qwen3-TTS
  • 文件:https://huggingface.co/spaces/Qwen/Qwen3-TTS/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Qwen3-TTS Demo 本页2,410gradioapache-2.0
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

pratik227Show HN: Audio AI had a wild day – 5 major open-source / real-time TTS dropsThe audio/TTS space just moved fast. In the last week alone: NVIDIA – PersonaPlex-7B Open-source, full-duplex conversational speech model. Inworld AI – TTS-1.5 Realtime TTS (<250ms), $0.005/min, currently #1 on Artificial Analysis. Flash Labs – Chroma 1.0 First open-source, end-to-end, real-time…5 分 · 2 条回复JauntyWunderKindQwen3-TTS is just batshit wildly amazing. It's ability to let you describe the speaker you want and get something from it is wild. It's voice cloning is wild. qwen.ai/blog?id=qwen... My ask though, where are models that can describe how you are speaking? Your overall vocal, and your present "mood"?11 赞 · 2 条回复exhilarationGemini 3.8 text-to-speechYou might find this interesting, it seems to be exactly what you need to make an audio drama: https://github.com/Finrandojin/alexandria-audiobook Also the Qwen3-TTS demo is cool, you can describe the voice you want: https://huggingface.co/spaces/Qwen/Qwen3-TTS I came across both on this subreddit,…Chris HeilmannVoice cloning with Qwen3 TTS is pretty damn impressive - you can do it on the test site: huggingface.co/spaces/Qwen/...1 赞thangalinGemini 3.8 text-to-speechHere's a video of my Emotive Audiobook Creator, KeenLore, a locally hosted web app: https://www.youtube.com/watch?v=WAeHgE94rVo No cloud, no tokens to pay. Reads a book using a full cast of characters. Quotation attribution detection (for my novel) is at 97.2% accuracy (485/499 quotes identified…TobiasQwen3-TTS ist geil! Und frei verfügbar. So viele Möglichkeiten! huggingface.co/spaces/Qwen/...1 赞HanClintoAnyone Can Clone Your Voice NowYes -- you can run inference on HF directly [0]. If you want to hear the demos that Simon Willison recorded, he has a nice blog post about it. [1] [0] - https://huggingface.co/spaces/Qwen/Qwen3-TTS [1] - https://simonwillison.net/2026/Jan/22/qwen3-tts/@aigensme.bsky.socialElevenLabs costs you every month, but three free models can replace it. If you make voice overs, you pay per character with ElevenLabs. Open source models run on your own computer, and your voice stays private. Number one: Qwen3-TTS from Alibaba. The Qwen team built it for speech in many…BadBadJellyBeanAnyone Can Clone Your Voice NowOfficial demos: https://huggingface.co/spaces/Qwen/Qwen3-TTS https://modelscope.cn/studios/Qwen/Qwen3-TTS You can even do it on your PC. I did it via ComfyUI and this Plugin: https://github.com/flybirdxx/ComfyUI-Qwen-TTSGithub Repositorieshttps://github.com/QwenLM/Qwen3-TTSparenthesesQwen3-TTS family is now open sourced: Voice design, clone, and generationI got some errors trying to run this on my MBP. Claude was able to one-shot a fix. ``` Loaded speech tokenizer from ~/.cache/huggingface/hub/models--Qwen--Qwen3-TTS-12Hz-1.7B-VoiceDesign/snapshots/0e711a1c0aa5aad30654426 e0d11f67716c1211e/speech_tokenizer Fetching 11 files: 0%| | 0/11 [00:00<?,…MonikaWAlibaba Open-Sources Qwen3-TTS Model Suite, Delivering Multilingual, Ultra-Low-Latency Speech Generation January 22, 2026 — Alibaba’s Qwen team has officially open-sourced the full Qwen3-TTS text-to-speech model family, featuring multi-codebook speech generation models in two sizes: 1.7B…

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

效率类的相似商品

查看效率类的全部商品

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k