title	Qwen3-TTS Demo
emoji	🎙️
colorFrom	blue
colorTo	purple
sdk	gradio
sdk_version	5.33.0
app_file	app.py
pinned	false
license	apache-2.0
suggested_hardware	zero-a10g

Qwen3-TTS AudioClone (AudioCloneInZeroGPU)

本项目是一个基于 Qwen3-TTS 的交互式语音克隆与设计演示系统，专为 Hugging Face ZeroGPU 环境优化。它集成了先进的 ASR（语音识别）、Voice Design（语音设计）和 Voice Clone（语音克隆）技术。

🌟 主要功能

• ASR (Whisper): 利用 OpenAI 的 Whisper 模型进行精准的语音到文本转换，支持多种模型规格（Base 到 Large-v3）。
• Voice Design (语音设计): 只需通过一段文本描述（例如：“用一种惊讶的语气说话”），即可生成具有特定风格和音色的语音。
• Voice Clone (语音克隆):
  • 极速提取: 能够从一段参考音频中快速提取音色特征。
  • 特征文件支持: 支持保存特征文件（.pt），后续可直接使用该特征生成语音，无需重复提取。
  • 多语言支持: 自动识别并支持中文、英文、日文、韩文等多种语言的克隆生成。

🛠️ 技术亮点

• 模型架构: 基于 Qwen3-TTS-12Hz 系列模型（0.6B 和 1.7B 版本），提供高质量的语音合成。
• ZeroGPU 优化: 针对 Hugging Face ZeroGPU 进行了专门的内存与推理加速优化。
• 简繁转换: 内置 OpenCC，支持自动将繁体中文识别结果转换为简体，提升用户体验。

🚀 快速开始

1. 环境准备: 确保已安装 requirements.txt 中的所有依赖。
2. 运行 Demo:

   python app.py

3. 功能演示:
   • 上传参考音频并输入目标文本，即可开始音色克隆。
   • 在语音设计板块，输入你的创意描述，让 AI 为你定制声音。

---

🔗 更多资源与高级服务

如果你对 AI 语音克隆技术感兴趣，或者需要更专业、更稳定、功能更全的在线语音服务，欢迎访问我们的官方平台：

👉 MagicVoice - 全球领先的 AI 语音克隆平台

在 MagicVoice，您可以体验到更极致的语音克隆精度、更丰富的音色库以及更便捷的商业化语音生成服务。

---

📄 开源协议

本项目遵循 Apache-2.0 开源协议。