Qwen3-TTS 本地语音合成#

基于 Qwen3-TTS 1.7B 模型，支持音色克隆 + 声音设计 + 多角色对话。 琪琪OPC 首选 TTS，失败时回退到 tts-cosyvoice (Edge TTS)。

优先级#

text

Qwen3-TTS（本地GPU，音色克隆+设计）→ Edge TTS（tts-cosyvoice，云端回退）

琪琪OPC 音色库#

6 个角色音色，通过 ComfyUI API 调用：

角色音色名方式说明用途🐰 琪琪qiqi_clone克隆ref_audio=qiqi_voice_v3.wav琪琪对话📖 旁白narrator_teacherVoiceDesignseed=100, 温暖女声叙事👦 男孩boy_childVoiceDesignseed=200, 活泼8岁儿童男角👧 女孩girl_childVoiceDesignseed=300, 甜美7岁儿童女角👨 大人男adult_maleVoiceDesignseed=400, 沉稳成年男角👩 大人女adult_femaleVoiceDesignseed=500, 优雅成年女角

脚本#

单角色 TTS#

bash

python3 {baseDir}/scripts/qwen_tts.py \
  --text "你好，我是琪琪" \
  --voice qiqi_clone \
  --output /tmp/output.wav

多角色对话 TTS#

bash

python3 {baseDir}/scripts/qwen_tts_dialogue.py \
  --script "琪琪:你好呀！\n旁白:琪琪开心地笑了。" \
  --output /tmp/dialogue.wav \
  --srt /tmp/dialogue.srt

选项#

选项默认说明--text(必需)要合成的文本--voicenarrator_teacher音色名（见音色库）--output/tmp/qwen_tts_output.wav输出文件路径--languageChinese语言--model1.7B模型大小 (0.6B/1.7B)--attentionsdpa注意力机制--fallback-edgetrue失败时回退到 Edge TTS

对话脚本格式#

text

角色名: 台词内容
角色名: 台词内容

角色名映射到音色库中的音色。 旁白 映射到 narrator_teacher。

依赖#

• ComfyUI 运行中（localhost:8188）
• ComfyUI-Qwen-TTS 插件已安装
• Qwen3-TTS 模型已下载（~/ComfyUI/models/qwen-tts/）
• comfyui-venv Python 环境

回退策略#

当 Qwen3-TTS 不可用时（ComfyUI 未启动 / GPU 显存不足 / 生成失败）， 自动回退到 Edge TTS (tts-cosyvoice)：

• 琪琪 → zh-CN-XiaoyiNeural
• 旁白 → zh-CN-XiaoxiaoNeural
• 男孩 → zh-CN-YunxiNeural
• 女孩 → zh-CN-XiaoyiNeural
• 大人男 → zh-CN-YunjianNeural
• 大人女 → zh-CN-XiaoxiaoNeural

---

版本: v1.0 | 琪琪OPC 首选 TTS | 基于 Qwen3-TTS + ComfyUI