Qwen-TTS 语音合成服务

基于 Qwen-TTS API 的功能丰富的语音合成 FastAPI 应用，支持中英双语及中文方言的智能语音合成。

📸 界面预览

单个合成界面

批量处理界面

✨ 功能特性

🎯 核心功能

• 多音色支持: 7种不同音色，包括中英双语和方言
• 方言支持: 北京话、上海话、四川话
• 实时合成: 快速响应的语音合成
• 批量处理: 支持txt/md文件批量上传和处理
• 智能分割: 按段落、句子或章节自动分割文本
• 进度跟踪: 实时显示批量处理进度
• 音频播放: 在线播放和下载功能
• 音频格式: 默认输出 WAV 格式，音质清晰

🎨 界面特性

• 现代化设计: 美观的响应式界面
• 一致性布局: 单个合成和批量处理页面宽度统一（1200px）
• 直观操作: 简单易用的用户体验
• 历史记录: 自动保存合成历史
• 实时反馈: 字符计数和状态提示

🔧 技术特性

• 异步处理: 高性能的异步 API
• 错误处理: 完善的错误处理机制
• 文件管理: 自动音频文件管理
• API 文档: 完整的 OpenAPI 文档

🎤 支持的音色

音色	语言	描述	方言
Cherry	中英双语	温柔甜美的女声	标准普通话
Ethan	中英双语	成熟稳重的男声	标准普通话
Chelsie	中英双语	活泼可爱的女声	标准普通话
Serena	中英双语	优雅知性的女声	标准普通话
Dylan	中文	地道的北京爷们儿	北京话
Jada	中文	温婉的上海女声	上海话
Sunny	中文	热情的四川女声	四川话

🚀 快速开始

1. 克隆仓库

# 克隆项目到本地
git clone https://github.com/nicekate/qwen-tts.git

# 进入项目目录
cd qwen-tts

2. 环境准备

确保已安装 Python 3.8+ 并下载项目文件。

方式一：使用安装脚本（推荐）

# 运行自动安装脚本
python install.py

方式二：手动安装

# 安装项目依赖
pip install -r requirements.txt

# 复制环境变量模板
cp .env.example .env

依赖包说明：

• fastapi - Web 框架
• uvicorn - ASGI 服务器
• dashscope - 阿里云 DashScope SDK
• requests - HTTP 请求库
• python-multipart - 文件上传支持
• jinja2 - 模板引擎
• aiofiles - 异步文件操作
• pydantic - 数据验证
• python-dotenv - 环境变量管理

3. 配置 API Key

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，添加您的 DashScope API Key
# DASHSCOPE_API_KEY=sk-your_api_key_here

获取 API Key 的步骤：

1. 访问 阿里云百炼平台 API Key 管理页面
2. 登录您的阿里云账号
3. 在 "API-KEY管理" 页面创建新的 API Key
4. 复制生成的 API Key（格式通常为 sk-xxxxxxxxxx）
5. 将 API Key 粘贴到项目根目录的 .env 文件中

重要说明：

• API Key 必须是有效的 DashScope API Key
• 请确保您的账户有足够的余额或免费额度
• 请妥善保管您的 API Key，不要泄露给他人

4. 启动服务

# 使用启动脚本（推荐）
python start.py

# 或直接启动
python main.py

# 或使用 uvicorn
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

5. 访问应用

• Web 界面: http://localhost:8000
• API 文档: http://localhost:8000/docs
• ReDoc 文档: http://localhost:8000/redoc

6. 运行演示

# 运行演示脚本，测试所有音色
python demo.py

演示脚本会自动测试不同音色的语音合成功能，包括：

• Cherry（温柔甜美的女声）
• Dylan（地道的北京爷们儿）
• Jada（温婉的上海女声）
• Ethan（成熟稳重的男声）

📝 使用方式

单个文本合成

1. 在"单个合成"标签页输入文本
2. 选择音色
3. 点击"开始合成"
4. 播放或下载生成的音频

批量文件处理

1. 切换到"批量处理"标签页
2. 上传txt或md文件（支持拖拽）
3. 选择音色和分割方式：
   • 按段落分割: 根据空行分割文本
   • 按句子分割: 根据句号等标点分割
   • 按章节分割: 根据标题标记分割
4. 设置每段最大字符数（100-1000）
5. 点击"开始批量处理"
6. 实时查看处理进度
7. 逐个播放或下载生成的音频

批量处理特性

• 文件支持: .txt 和 .md 格式
• 智能分割: 多种分割方式适应不同文档结构
• 并发处理: 最多3个任务同时处理，提高效率
• 进度跟踪: 实时显示总数、完成数、失败数
• 错误处理: 单个段落失败不影响其他段落
• 文件命名: batch_[任务ID]_[序号]_[音色]_[时间戳]_[随机ID].wav

📖 API 使用

语音合成 API

curl -X POST "http://localhost:8000/api/synthesize" \
     -H "Content-Type: application/json" \
     -d '{
       "text": "你好，这是一个测试",
       "voice": "Cherry"
     }'

获取音色列表

curl "http://localhost:8000/api/voices"

健康检查

curl "http://localhost:8000/api/health"

🎛️ 参数说明

请求参数

参数	类型	范围	默认值	描述
text	string	1-1000字符	-	要合成的文本
voice	string	见音色列表	Cherry	音色选择

📁 项目结构

qwen-tts-test/
├── main.py              # FastAPI 主应用
├── config.py            # 配置文件
├── start.py             # 启动脚本
├── requirements.txt     # 依赖列表
├── .env.example         # 环境变量模板
├── README.md           # 项目说明
├── templates/          # HTML 模板
│   └── index.html      # 主页模板
├── static/             # 静态资源
│   ├── style.css       # 样式文件
│   └── script.js       # JavaScript 脚本
└── audio_output/       # 音频输出目录

🔧 开发说明

环境变量

• DASHSCOPE_API_KEY: DashScope API 密钥（必需）

配置选项

在 config.py 中可以修改：

• 服务器端口和主机
• 音频输出目录
• 请求超时时间
• 支持的音色配置

🐛 故障排除

常见问题

1. API Key 错误

   • 检查 .env 文件是否存在
   • 确认 API Key 是否正确设置

2. 音频播放失败

   • 检查浏览器是否支持音频播放
   • 确认音频文件是否正确生成

3. 合成失败

   • 检查网络连接
   • 确认 API Key 是否有效
   • 查看控制台错误信息

日志查看

启动服务时会显示详细的日志信息，包括：

• API 调用状态
• 错误信息
• 性能指标

📄 许可证与声明

开源许可

本项目基于 MIT 许可证开源。

📝 更新日志

2025年6月

• 界面优化: 将批量合成页面宽度调整为与单个合成页面一致（1200px），提供更统一的用户体验
• 性能优化: 优化页面加载速度和响应性能

📞 支持

如有问题，请查看：

• Qwen-TTS 官方文档
• DashScope API 文档
• API Key 获取页面