Qwen3-TTS-12Hz-1.7B-CustomVoice

阿里千问团队开源的一款高质量语音合成（TTS）模型。它属于 Qwen3-TTS 系列中的 CustomVoice 分支，核心特点是使用预设音色来合成语音，并支持通过自然语言指令控制情感和风格。可用音色：aiden, dylan, eric, ono_anna, ryan, serena, sohee, uncle_fu, vivian

参数量

模态Text

类型ASR/TTS

推理引擎TensorRT Edge-LLM

Jetson 部署命令模型详情

快速部署

部署模型

Jetson 设备

推理引擎

运行命令

命令根据你的配置自动生成

mkdir -p ~/model/Qwen3-TTS
docker run -d --runtime=nvidia --gpus all --shm-size=2g --network host \
  --name tts-cv \
  -v ~/model/Qwen3-TTS:/models/engine \
  -e TRT_INFERENCE_API_PORT=9003 \
  -e DEPLOY_ENGINE_URI=tos://ai-hub/engine_models/Qwen3-TTS-12Hz-1.7B-CustomVoice-0.10.0-jp7.2/ \
  aoni-docker-cn-guangzhou.cr.volces.com/public/llm/trt-inference:0.10.0-jp7.2-tos-tc

Web API 调用示例

Shell (curl)

1.WAV 聚合输出
curl -X POST http://<IP>:<P0RT>/v1/audio/speech \
-H "Content-Type: application/json" \
-d '｛"input"："你好世界"，"response_format"："wav"，"voice"："vivian"｝'\
-o out. wav
2.PCM 流式播放
curl -X POST http://<IP>:<P0RT>/v1/audio/speech \
-H "Content-Type: application/json"
-d '{"input": "Hello world", "response format": "pcm", "voice": "vivian"}' \
-o out. pcm
#响应头 X-Sample-Rate:24000 - 24kHz mono 16bit

Python (OpenAI SDK)

import requests, wave, pyaudio
# pip install pyaudio
stream = requests. post("http://<IP>:<PORT>/v1/audio/speech", json={
"input"："人工智能正在改变世界"，
"response_format": "pcm"
"voice": "vivian"
}, stream=True)
sample_rate = int(stream.headers.get("X-Sample-Rate", 24000))
pa = pyaudio.PyAudio()
player = pa.open(format=pyaudio.paInt16, channels=1, rate=sample_rate, output=True)
for chunk in stream.iter_content (chunk_size=4096):
player. write(chunk)

模型详情

模型输入和输出

输入: Text / 输出: Text

参数量

推理引擎

TensorRT Edge-LLM

Jetson 兼容性

Thor 128GB