Qwen3-TTS Tümleştirmesi

Alibaba Qwen3-TTS’yi yüksek kaliteli çok dilli metinden konuşmaya dönüşüm için yerelde çalıştırın. Bu kılavuz, Libre WebUI ile gelen OpenAI uyumlu TTS sunucusunun kurulumunu anlatır.

Genel Bakış

Qwen3-TTS şu özelliklere sahip gelişmiş bir konuşma sentez sistemidir:

İngilizce, Çince, Japonca ve Korece için 9 hazır ses
Almanca, Fransızca, İspanyolca, İtalyanca, Portekizce ve Rusça dâhil 10 dil desteği
3 saniyelik ses örneklerinden ses klonlama
Doğal dil açıklamalarıyla ses tasarlama
Duygu ve ezgi için yönerge denetimi

Paketli sunucu Qwen3-TTS’yi OpenAI uyumlu API ile sarar; Libre WebUI standart eklenti sistemi üzerinden kullanabilir.

Gereksinimler

Bileşen	En az	Önerilen
Python	3.12+	3.12 (3.14 değil)
GPU VRAM	4GB (0.6B modeller)	8GB+ (1.7B modeller)
RAM	8GB	16GB+
Disk	5GB	10GB

Platform Desteği

Platform	Arka uç	Notlar
NVIDIA GPU	CUDA	En iyi başarım, bfloat16 desteği
Apple Silicon	MPS	Bellek verimliliği için 0.6B kullanın
CPU	PyTorch	Daha yavaş; 0.6B kullanın

Apple Silicon Kullanıcıları

Mac’te bellek baskısını önlemek için customvoice-0.6b kullanın. 1.7B modeller, 16GB birleşik bellekli sistemleri kararsızlaştırabilir.

Hızlı Başlangıç

1. Sunucuyu Kurma

cd examples/qwen-tts-server

# Create virtual environment (Python 3.12 required)
python3.12 -m venv venv
source venv/bin/activate  # Linux/macOS
# or: venv\Scripts\activate  # Windows

# Install dependencies
pip install -r requirements.txt

2. Sunucuyu Başlatma

# NVIDIA GPU (recommended)
python server.py --model customvoice-1.7b

# Apple Silicon
python server.py --model customvoice-0.6b

# CPU (slower)
python server.py --model customvoice-0.6b

Sunucu varsayılan olarak http://localhost:8100 adresinde çalışır.

3. Libre WebUI’yi Yapılandırma

Eklenti plugins/qwen-tts.json içinde önceden yapılandırılmıştır. Settings → Plugins → Qwen3 TTS bölümünden etkinleştirin.

4. Sınama

curl http://localhost:8100/v1/audio/speech \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen3-tts", "input": "Hello, welcome to Libre WebUI!", "voice": "Ryan"}' \
  --output speech.wav

Kullanılabilir Modeller

Model	Boyut	Kullanım
`customvoice-1.7b`	~3.5GB	Yönerge denetimli hazır sesler
`customvoice-0.6b`	~1.5GB	Sınırlı VRAM için hafif çeşit
`voicedesign-1.7b`	~3.5GB	Metin açıklamalarından ses oluşturma
`base-1.7b`	~3.5GB	3 saniyelik örnekten ses klonlama
`base-0.6b`	~1.5GB	Hafif ses klonlama

Sesler

Hazır Sesler (CustomVoice Modelleri)

Ses	Dil	Açıklama
Ryan	İngilizce	Erkek, açık ve doğal
Aiden	İngilizce	Erkek, sıcak ton
Vivian	Çince	Kadın, profesyonel
Serena	Çince	Kadın, arkadaş canlısı
Uncle_Fu	Çince	Erkek, olgun
Dylan	Çince	Erkek, Pekin lehçesi
Eric	Çince	Erkek, Siçuan lehçesi
Ono_Anna	Japonca	Kadın
Sohee	Korece	Kadın

OpenAI Ses Takma Adları

OpenAI TTS istemcileriyle uyumluluk için sunucu adları eşler:

OpenAI Sesi	Eşleşen
`alloy`	Ryan
`echo`	Aiden
`fable`	Vivian
`onyx`	Uncle_Fu
`nova`	Serena
`shimmer`	Ono_Anna

API Başvurusu

Konuşma Üretimi

Uç nokta: POST /v1/audio/speech

{
  "model": "qwen3-tts",
  "input": "Text to convert to speech",
  "voice": "Ryan",
  "response_format": "wav",
  "instruct": "Speak with enthusiasm",
  "language": "English"
}

Parametre	Tür	Varsayılan	Açıklama
`model`	string	`qwen3-tts`	Model tanımlayıcısı
`input`	string	zorunlu	Sentezlenecek metin (en çok 10.000 karakter)
`voice`	string	`ryan`	Ses adı (yukarıdaki tablo)
`response_format`	string	`wav`	Ses biçimi (yalnız `wav`)
`instruct`	string	`""`	Duygu/ezgi yönergesi
`language`	string	otomatik algılama	Dil algılamayı geçersiz kılma

Yanıt: ses dosyası (audio/wav)

Ses Tasarımı

Uç nokta: POST /v1/audio/voice-design

Doğal dil açıklamasından özel ses oluşturur.

{
  "model": "qwen3-tts-voicedesign",
  "input": "Welcome to our service.",
  "voice_description": "A warm, friendly female voice with a slight British accent",
  "language": "English"
}

not

voicedesign-1.7b modelinin yüklü olmasını gerektirir.

Ses Klonlama

Uç nokta: POST /v1/audio/voice-clone

En az 3 saniyelik ses örneğinden ses klonlar.

curl -X POST http://localhost:8100/v1/audio/voice-clone \
  -F "input=Hello, this is my cloned voice." \
  -F "reference_audio=@reference.wav" \
  -F "reference_text=This is what was said in the reference." \
  --output cloned.wav

Parametre	Tür	Açıklama
`input`	string	Sentezlenecek metin
`reference_audio`	file	En az 3 saniyelik ses örneği
`reference_text`	string	Başvuru sesinin dökümü

not

base-1.7b veya base-0.6b modelinin yüklü olmasını gerektirir.

Sesleri Listeleme

Uç nokta: GET /v1/voices

{
  "voices": [
    {"id": "ryan", "name": "Ryan", "language": "English"},
    {"id": "aiden", "name": "Aiden", "language": "English"},
    ...
  ]
}

Durum Denetimi

Uç nokta: GET /health

{ "status": "healthy", "model_loaded": true }

Sunucu Yapılandırması

python server.py [OPTIONS]

Seçenek	Varsayılan	Açıklama
`--host`	`0.0.0.0`	Bağlanılacak ana makine
`--port`	`8100`	Bağlanılacak bağlantı noktası
`--model`	`customvoice-1.7b`	Yüklenecek model çeşidi

Ağ Erişimi

Ağınızdaki diğer bilgisayarlardan erişmek için:

# Start server on all interfaces
python server.py --host 0.0.0.0 --port 8100

# Access from another machine
curl http://192.168.1.100:8100/v1/audio/speech ...

plugins/qwen-tts.json içindeki uç noktayı güncelleyin:

{
  "endpoint": "http://192.168.1.100:8100/v1/audio/speech",
  "capabilities": {
    "tts": {
      "endpoint": "http://192.168.1.100:8100/v1/audio/speech"
    }
  }
}

Üretim Özellikleri

Metin Temizleme

Sunucu, modelin takılmasını önlemek için metni otomatik temizler:

Emoji ve simgeleri kaldırır
Markdown biçimini (*bold*, _italic_ vb.) kaldırır
Yinelenen karakterleri kısaltır (FUUUUU → FUU)
Sahne yönergelerini kaldırır (*(action)*, (whispers))
Boşluğu olağanlaştırır

Metin Parçalama

Uzun metin cümle sınırlarında otomatik bölünür:

Parça başına en çok 500 karakter
Parça başına 30 saniye zaman aşımı
Başarısız parçalar atlanır, kalanlar sürer
Parçalar tek ses yanıtında birleştirilir

Bu, doğal konuşma akışını koruyarak uzun AI yanıtlarında zaman aşımını önler.

Çoklu GPU Kurulumu

Birden fazla GPU bulunan sistemlerde sunucu, tensör aygıt uyuşmazlığını önlemek için tek GPU kullanımını zorlar:

device_map = {"": "cuda:0"}  # Uses first GPU only

Belirli GPU için:

CUDA_VISIBLE_DEVICES=1 python server.py --model customvoice-1.7b

Sorun Giderme

Model İndirilemiyor

İlk çalıştırmada model Hugging Face’ten iner. Başarısız olursa:

# Set Hugging Face token for gated models
export HF_TOKEN=hf_...

# Or download manually
huggingface-cli download Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice

Bellek Yetersiz (Apple Silicon)

RuntimeError: MPS backend out of memory

Daha küçük çeşidi kullanın:

python server.py --model customvoice-0.6b

CUDA Belleği Yetersiz

torch.cuda.OutOfMemoryError: CUDA out of memory

Diğer GPU uygulamalarını kapatın
0.6B çeşidini kullanın
server.py içindeki parça boyutunu azaltın (max_chunk_size=300)

Sunucu Zaman Aşımına Uğruyor

Uzun metin zaman aşımına uğrarsa:

Sunucu metni otomatik böler ve kalan parçaları sürdürür
Zaman aşımı olan parçalar için günlükleri denetleyin
Girdiyi kısaltın

Ses Yanlış Geliyor

Yinelenen heceler: genellikle emoji veya özel karakter kaynaklıdır; temizleyici işlemelidir.
Yanlış dil: language değerini açıkça ayarlayın.
Doğal olmayan duraklamalar: olağandışı noktalama ve bölme sınırlarını denetleyin.

Eklenti Yapılandırması

Paketli eklenti (plugins/qwen-tts.json):

{
  "id": "qwen-tts",
  "name": "Qwen3 TTS",
  "type": "tts",
  "endpoint": "http://localhost:8100/v1/audio/speech",
  "auth": {
    "header": "",
    "key_env": ""
  },
  "model_map": [
    "qwen3-tts",
    "qwen3-tts-customvoice",
    "qwen3-tts-voicedesign",
    "qwen3-tts-clone"
  ],
  "capabilities": {
    "tts": {
      "endpoint": "http://localhost:8100/v1/audio/speech",
      "model_map": [
        "qwen3-tts",
        "qwen3-tts-customvoice",
        "qwen3-tts-voicedesign",
        "qwen3-tts-clone"
      ],
      "config": {
        "voices": [
          "Ryan",
          "Aiden",
          "Vivian",
          "Serena",
          "Uncle_Fu",
          "Dylan",
          "Eric",
          "Ono_Anna",
          "Sohee"
        ],
        "default_voice": "Ryan",
        "formats": ["wav"],
        "default_format": "wav",
        "max_characters": 10000,
        "supports_streaming": false,
        "no_auth_required": true
      }
    }
  },
  "description": "Qwen3-TTS local TTS server (NVIDIA CUDA, Apple MPS, or CPU)",
  "documentation_url": "https://github.com/QwenLM/Qwen3-TTS"
}

Kaynaklar

Qwen3-TTS GitHub - Resmî depo
Qwen3-TTS Gösterimi - Çevrimiçi deneyin
Alibaba Cloud TTS Belgeleri - Bulut API belgeleri

Genel Bakış​

Gereksinimler​

Platform Desteği​

Hızlı Başlangıç​

1. Sunucuyu Kurma​

2. Sunucuyu Başlatma​

3. Libre WebUI’yi Yapılandırma​

4. Sınama​

Kullanılabilir Modeller​

Sesler​

Hazır Sesler (CustomVoice Modelleri)​

OpenAI Ses Takma Adları​

API Başvurusu​

Konuşma Üretimi​

Ses Tasarımı​

Ses Klonlama​

Sesleri Listeleme​

Durum Denetimi​

Sunucu Yapılandırması​

Ağ Erişimi​

Üretim Özellikleri​

Metin Temizleme​

Metin Parçalama​

Çoklu GPU Kurulumu​

Sorun Giderme​

Model İndirilemiyor​

Bellek Yetersiz (Apple Silicon)​

CUDA Belleği Yetersiz​

Sunucu Zaman Aşımına Uğruyor​

Ses Yanlış Geliyor​

Eklenti Yapılandırması​

Kaynaklar​