Hangry Labs Faster Qwen3-TTS Studio

English · Norsk bokmål · Polski · 日本語 · 简体中文 · Español

# Hangry Labs Faster Qwen3-TTS Studio Lokal stemmedesign, stemmekloning og talegenerering med Qwen3-TTS i en Docker-pakket Studio med nettlesergrensesnitt, strømmet avspilling og HTTP-API. Gjeldende versjon, endringshistorikk og publiseringsstatus finnes i [den engelske hoveddokumentasjonen](README.md). ## Hurtigstart Har du Docker, NVIDIA GPU-støtte og en driver som støtter CUDA 12.8, trenger du bare én kommando: ```bash docker run -d --name faster-qwen3-tts-studio --restart unless-stopped -p 127.0.0.1:7860:7860 --gpus all -e CUDA_VISIBLE_DEVICES=0 -v faster_qwen3_tts_studio_data:/app/persistent hangrylabs/faster-qwen3-tts-studio:v1.0@sha256:a8a3643b077e05c2ccf33e9b97978f082d2e89ac33b3d1368ab0e25df628899d ``` Åpne **[http://localhost:7860](http://localhost:7860)** og begynn å generere tale. Det komplette bildet inneholder alle fem fastlåste modeller og kan kjøre uten nett etter nedlastingen. Volumet beholder modeller, lagrede stemmer og manus.

Mindre nedlasting: tiny-bildet

```bash docker run -d --name faster-qwen3-tts-studio --restart unless-stopped -p 127.0.0.1:7860:7860 --gpus all -e CUDA_VISIBLE_DEVICES=0 -v faster_qwen3_tts_studio_data:/app/persistent hangrylabs/faster-qwen3-tts-studio:v1.0_tiny@sha256:29f06b3226da4a55244727e111e7700786e53049a54560efeef4bb12a62bd0bd ``` Tiny laster ned modeller til samme volum ved første bruk. Behold nettilgang til de valgte modellene er lagret. Velg enten full eller tiny.

Du trenger ikke Git, Python på vertsmaskinen eller manuell modellinstallasjon. Se [bygging fra kildekode](docs/DEVELOPMENT.md#build-from-source) for utvikling, [API-visningen](http://localhost:7860/docs) og [Docker Hub-veiledningen](docs/dockerhub.md) for flere detaljer.

## Dette får du - Design stemmer fra beskrivelser med 1.7B VoiceDesign. - Klon tillatte referanseopptak med 0.6B eller 1.7B Base, med valgfri eksperimentell regi. - Generer tale med ni innebygde CustomVoice-stemmer; regiinstruksjoner krever 1.7B. - Rediger tekst, SSML, SSML-H og Magic-dialoger med replikker, karakterer og gjenbrukbare opptak. - Lagre stemmer med portrett, etiketter, original og behandlet referanse samt opprettingsinnstillinger for senere finjustering. - Last opp eller ta opp lyd, trim bølgeformer, bruk FFmpeg-effekter og lagre ferdig lyd. - Bruk OpenAI-kompatibel tale, native API-er og valgfritt kompakt eller avansert MCP. - Inspiser kø, avbryt generering og styr modeller og GPU-minne fra System. Grensesnittet finnes på engelsk, norsk bokmål, polsk, japansk, forenklet kinesisk og spansk. Du kan bytte språk uten å miste tekst, referanseopptak eller generert lyd. Valget lagres lokalt i nettleseren. Direkte språklenke: [/nb](http://localhost:7860/nb). **Grensesnittspråk og talespråk er ulike valg.** Qwen støtter kinesisk, engelsk, japansk, koreansk, tysk, fransk, russisk, portugisisk, spansk og italiensk, samt automatisk språkvalg. Norsk og polsk er grensesnittspråk, ikke støttede talespråk. Eksempler følger valgt talespråk; Auto bruker engelsk eksempeltekst. ## Modeller og minne | Familie | Størrelser | Bruk | | --- | --- | --- | | Base | 0.6B, 1.7B | Kloning fra referanselyd | | CustomVoice | 0.6B, 1.7B | Ni innebygde stemmer | | VoiceDesign | 1.7B | Ny stemme fra beskrivelse | Standardinnstillingene beholder 0.6B Base, 0.6B CustomVoice og 1.7B VoiceDesign i GPU-minnet. Velg standardmodell og alltid lastet per arbeidsflyt i System, eller slå av minnebevaring. Modellene deler én seriell inferenskø. Maskinvaremålet er NVIDIA med Torch, Python 3.13 og CUDA 12.8. Bruk nøyaktig referansetranskripsjon for best mulig kloning. Base-regi er eksperimentell og kan ignoreres når bare stemmeidentitet brukes. Ekstern ASR er valgfri og må konfigureres; ingen lokal ASR-modell startes. ## API ```bash curl http://localhost:7860/v1/audio/speech -H "Content-Type: application/json" -d '{"model":"qwen3-tts","input":"Hello from Qwen Studio.","voice":"Ryan","response_format":"mp3"}' --output speech.mp3 ``` Tale-API-et støtter MP3, WAV, FLAC, Opus, AAC, Ogg og PCM. Nettleserstrømming bruker MP3. Se [API-veiledningen](docs/API.md), [SSML-H](docs/SSML-H.md), [MCP-verktøyene](docs/MCP.md) og [Studio-veiledningen](docs/STUDIO.md). Disse tekniske veiledningene vedlikeholdes på engelsk. ## Personvern og ansvarlig bruk Klon bare stemmer med samtykke, og ikke bruk syntetisk tale til villedende etterligning. Referanser og manus lagres bare når du velger å lagre dem. MCP-lydlenker er midlertidige. Ekstern ASR mottar opptakene du uttrykkelig sender til transkripsjon; velg en tjeneste du stoler på. Behold lokal portbinding, eller beskytt en nettverkseksponert tjeneste med autentisering og en egnet proxy. ## Målinger, oppstrøm og lisenser Målte hastigheter, VRAM og strømmelatens finnes i [benchmark-oversikten](benchmarks/README.md). Historikk er ikke en garanti for alle GPU-er eller stemmer. Vi vedlikeholder lokal inferenskode, akselerasjon, Studio og integrasjoner på grunnlag av [Qwen3-TTS](https://github.com/QwenLM/Qwen3-TTS), [kompatibilitetsgrenen qwen-tts-hf](https://github.com/andimarafioti/Qwen3-TTS/tree/distribution/qwen-tts-hf) og [faster-qwen3-tts](https://github.com/andimarafioti/faster-qwen3-tts). Se [opprinnelse og synkronisering](docs/UPSTREAMS.md). Prosjektkoden bruker Apache-2.0. Modeller og hele Docker-distribusjonen har flere komponentvilkår; [LICENSE](LICENSE), [NOTICE](NOTICE), [tredjepartsmerknader](THIRD_PARTY_NOTICES.md) og [lisensveiledningen](docs/LICENSING.md) beskriver dem. Prosjektlisensen erstatter ikke disse pliktene.

Versjonshistorikk

Den oppdaterte, samlede [versjonshistorikken](README.md#version-history) vedlikeholdes i hoveddokumentasjonen.