AI Tutorials
Chuyển Văn bản thành Giọng nói
Qwen3-TTS

Cài đặt Qwen3-TTS trên Windows bằng Conda

Giới thiệu

Qwen3-TTS là một bộ mô hình chuyển văn bản thành giọng nói (TTS) mã nguồn mở được phát triển bởi nhóm Qwen tại Alibaba Cloud, hỗ trợ tạo giọng nói ổn định, biểu cảm và liên tục, thiết kế giọng nói tự do và sao chép giọng nói sống động.

GitHub: https://github.com/QwenLM/Qwen3-TTS
Hugging Face: https://hf.co/collections/Qwen/qwen3-tts
Demo: https://hf.co/spaces?q=Qwen3-TTS

Yêu cầu hệ thống

  • Hệ điều hành: Windows 10/11 (64-bit), macOS hoặc Linux (Debian/Ubuntu).
  • Python: Yêu cầu phiên bản 3.12
  • Dung lượng ổ cứng: Khuyến nghị 10GB trở lên (cho các thư viện phụ thuộc và bộ nhớ cache mô hình). Ít nhất 400 MB cho Miniconda; 3 GB trở lên cho Anaconda đầy đủ.
  • GPU: là tùy chọn nhưng RẤT KHUYÊN DÙNG để tăng hiệu suất
  • Internet: Để tải xuống các thư viện phụ thuộc và mô hình từ Hugging Face Hub.
Environment Run this Command
CPU only pip3 install torch torchvision
CUDA 11.8 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118
CUDA 12.1 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121
CUDA 12.6 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu126
CUDA 12.8 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu128
CUDA 13.0 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu130

PyTorch

Lưu ý: Kiểm tra phiên bản CUDA bằng lệnh

nvidia-smi

PyTorch

Video hướng dẫn

Bước 1. Cài đặt Miniconda

Tải xuống Miniconda: https://www.anaconda.com/download/success?reg=skipped

Liên kết trực tiếp: https://anaconda.com/api/installers/Miniconda3-latest-Windows-x86_64.exe

Bước 2. Tạo môi trường Conda

Tạo tệp environment.yml:

name: qwen3-tts
channels:
  - pytorch
  - nvidia
  - defaults
dependencies:
  - python=3.12
  - pip
  - pip:
      # PyTorch CUDA 12.6 wheels
      - --extra-index-url https://download.pytorch.org/whl/cu126
      - torch
      - torchvision
      - torchaudio

      # Qwen3-TTS
      - qwen-tts

      # Đọc/ghi file âm thanh
      - soundfile

      # Tải model từ Hugging Face / ModelScope
      - huggingface_hub[cli]
      - modelscope

Kích hoạt môi trường conda:

conda env create -f environment.yml
conda activate qwen3-tts

Bước 3. Tạo một tệp Python

Tạo một tệp có tên qwen3_tts_test.py:

import torch
import soundfile as sf
from qwen_tts import Qwen3TTSModel

# Use float16 instead of bfloat16 if your older GPU doesn't support bfloat16.
model = Qwen3TTSModel.from_pretrained(
    "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
    device_map="cuda:0",
    dtype=torch.bfloat16,
    # Do not use attn_implementation="flash_attention_2" on Windows.
    #attn_implementation="flash_attention_2",
)

# single inference
wavs, sr = model.generate_custom_voice(
    text="Hello, this is a test.",
    language="English",
    speaker="Ryan",
)

sf.write("output.wav", wavs[0], sr)
print("output.wav has been saved!")

Chạy thử:

python qwen3_tts_test.py

Kết quả sẽ là tệp âm thanh output.wav

Âm thanh mẫu

Speaker Voice Description Native language
Vivian Giọng nữ trẻ trung, sáng sủa, hơi cá tính. Tiếng Trung
Serena Giọng nữ trẻ trung, ấm áp, dịu dàng. Tiếng Trung
Uncle_Fu Giọng nam dày dặn kinh nghiệm với âm sắc trầm ấm. Tiếng Trung
Dylan Giọng nam trẻ trung đến từ Bắc Kinh với âm sắc trong trẻo, tự nhiên. Tiếng Trung (Bắc Kinh)
Eric Giọng nam sôi nổi đến từ Thành Đô với độ sáng hơi khàn. Tiếng Trung (Tứ Xuyên)
Ryan Giọng nam năng động với nhịp điệu mạnh mẽ. Tiếng Anh
Aiden Giọng nam Mỹ tươi sáng với âm vực trung rõ ràng. Tiếng Anh
Ono_Anna Giọng nữ Nhật Bản tinh nghịch với âm sắc nhẹ nhàng, linh hoạt. Tiếng Nhật
Sohee Giọng nữ Hàn Quốc ấm áp với nhiều cảm xúc. Tiếng Hàn
OmniVoiceSupertonic-3