Qwen3-TTS VoiceDesign快速上手：CLI命令行模式调用、JSON输出与自动化脚本集成

Qwen3-TTS VoiceDesign快速上手：CLI命令行模式调用、JSON输出与自动化脚本集成

1. 引言

你是不是觉得语音合成模型用起来很麻烦？要么得打开一个网页界面，手动输入文字、选择参数，要么就得写一堆复杂的Python代码，调试半天才能跑起来。

今天我要给你介绍一个更高效的方法：直接用命令行调用Qwen3-TTS VoiceDesign模型。想象一下，你只需要在终端里敲一行命令，就能生成你想要的语音，还能把结果保存为JSON格式，方便后续处理。更棒的是，你可以把这个命令写进脚本里，实现批量处理、定时任务，甚至集成到你的工作流中。

Qwen3-TTS VoiceDesign是一个很有意思的模型，它最大的特点就是能用自然语言描述声音风格。比如你想生成一个“撒娇的萝莉音”，或者“沉稳的商务男声”，直接告诉它就行，不用去调那些复杂的音高、音色参数。

这篇文章我会手把手教你：

• 怎么用命令行直接调用这个模型
• 怎么把生成结果保存为JSON格式（包含音频路径、时长等信息）
• 怎么把这些命令集成到自动化脚本里，实现批量处理

无论你是想给视频批量生成配音，还是想搭建一个语音合成的API服务，这个方法都能帮你节省大量时间。

2. 环境准备与快速检查

2.1 确认镜像环境

首先，确保你已经按照之前的教程部署好了Qwen3-TTS VoiceDesign镜像。如果你还没部署，可以简单回顾一下：

1. 镜像已经包含了完整的模型文件（约3.6GB）
2. Python环境是3.11版本
3. 必要的依赖包都已经安装好了

你可以用下面这个命令快速检查环境是否正常：

# 检查Python版本 python --version # 检查qwen-tts包是否安装 python -c "import qwen_tts; print('qwen-tts version:', qwen_tts.__version__)" # 检查模型文件是否存在 ls -lh /root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign/

如果一切正常，你应该能看到类似这样的输出：

Python 3.11.x qwen-tts version: 0.0.5 total 3.6G -rw-r--r-- 1 root root 3.6G model.safetensors -rw-r--r-- 1 root root 1.5K config.json ...

2.2 理解命令行调用的优势

你可能要问：不是有Web界面吗？为什么还要用命令行？

我根据自己的使用经验，总结了几个命令行调用的好处：

效率更高：不用打开浏览器，不用点点点，一行命令搞定易于自动化：可以写进脚本，批量处理成百上千个文本结果标准化：输出格式固定，方便后续程序处理资源友好：按需调用，用完即释放，不占内存

特别是当你需要处理大量文本时，命令行方式的优势就非常明显了。

3. 基础命令行调用方法

3.1 最简单的调用方式

我们先从最基础的开始。Qwen3-TTS提供了一个命令行工具，可以直接使用。打开终端，输入：

qwen-tts-cli \ --model-path /root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign \ --text "你好，欢迎使用Qwen3-TTS语音合成" \ --language Chinese \ --instruct "标准的普通话女声，语速适中" \ --output output.wav

让我解释一下这几个参数：

• --model-path：指定模型文件的路径
• --text：你要合成的文本内容
• --language：选择语言，支持10种语言
• --instruct：用自然语言描述你想要的声音风格
• --output：生成的音频文件保存路径

运行这个命令后，你会看到终端里显示处理进度，然后生成一个output.wav文件。用播放器打开听听，是不是很简单？

3.2 支持的语言和声音描述示例

Qwen3-TTS支持10种语言，你可以根据需要选择：

声音描述是VoiceDesign模型的核心功能。你可以用任何自然语言来描述你想要的声音。这里我整理了一些常用的描述模板：

# 中文声音描述示例 --instruct "温柔的成年女性声音，语气亲切，语速稍慢" --instruct "活泼的少女音，音调偏高，带点俏皮" --instruct "沉稳的商务男声，发音清晰，富有磁性" --instruct "可爱的萝莉音，撒娇的语气，音调起伏明显" # 英文声音描述示例 --instruct "Male, 30 years old, deep voice, professional tone" --instruct "Female, 25 years old, cheerful voice, slightly fast pace" --instruct "Child voice, excited tone, higher pitch"

3.3 调整生成参数

除了基本的文本和声音描述，你还可以调整一些生成参数，让声音更符合你的需求：

qwen-tts-cli \ --model-path /root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign \ --text "这是一个测试语音合成的例子" \ --language Chinese \ --instruct "标准女声" \ --output test.wav \ --speed 1.2 \ --pitch 0.8 \ --energy 1.1

• --speed：语速，1.0是正常速度，大于1.0会变快，小于1.0会变慢
• --pitch：音高，1.0是正常音高，调整这个可以改变声音的高低
• --energy：能量/音量，控制声音的响亮程度

这些参数不是必须的，但当你对声音有更精细的要求时，它们就很有用了。

4. JSON格式输出与结果解析

4.1 为什么需要JSON输出？

直接生成WAV文件当然可以，但在自动化处理中，我们往往需要更多的信息。比如：

• 生成的音频文件保存在哪里？
• 音频的时长是多少？
• 采样率是多少？
• 处理花了多长时间？

JSON格式可以包含所有这些信息，而且结构清晰，方便程序解析。

4.2 生成JSON格式的输出

Qwen3-TTS的命令行工具支持JSON输出。只需要加上--json-output参数：

qwen-tts-cli \ --model-path /root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign \ --text "哥哥，你回来啦，人家等了你好久好久了，要抱抱！" \ --language Chinese \ --instruct "体现撒娇稚嫩的萝莉女声，音调偏高且起伏明显" \ --output撒娇语音.wav \ --json-output result.json

运行后，你会得到两个文件：

1. 撒娇语音.wav- 生成的音频文件
2. result.json- 包含详细信息的JSON文件

4.3 解析JSON结果

用文本编辑器打开result.json，你会看到类似这样的内容：

{ "status": "success", "audio_file": "撒娇语音.wav", "audio_info": { "duration": 4.25, "sample_rate": 24000, "channels": 1, "format": "WAV" }, "generation_info": { "text": "哥哥，你回来啦，人家等了你好久好久了，要抱抱！", "language": "Chinese", "voice_instruct": "体现撒娇稚嫩的萝莉女声，音调偏高且起伏明显", "model": "Qwen3-TTS-12Hz-1.7B-VoiceDesign", "generation_time": 2.34 }, "timestamp": "2024-01-15T10:30:45Z" }

这个JSON文件包含了所有你需要的信息：

• status：生成状态，成功就是"success"
• audio_file：音频文件路径
• audio_info：音频的详细信息，包括时长、采样率等
• generation_info：生成时的参数和耗时
• timestamp：生成时间戳

4.4 用Python处理JSON结果

有了JSON格式，用程序处理就非常方便了。这里我给你一个简单的Python脚本示例：

import json import os def process_tts_result(json_file): """处理TTS生成的JSON结果""" # 读取JSON文件 with open(json_file, 'r', encoding='utf-8') as f: result = json.load(f) # 检查状态 if result['status'] != 'success': print(f"生成失败: {result.get('error', '未知错误')}") return None # 提取信息 audio_file = result['audio_file'] duration = result['audio_info']['duration'] text = result['generation_info']['text'] gen_time = result['generation_info']['generation_time'] # 打印信息 print(f"✅ 语音生成成功！") print(f"📁 音频文件: {audio_file}") print(f"⏱️ 音频时长: {duration:.2f}秒") print(f"📝 合成文本: {text[:50]}..." if len(text) > 50 else text) print(f"⚡ 生成耗时: {gen_time:.2f}秒") # 检查文件是否存在 if os.path.exists(audio_file): file_size = os.path.getsize(audio_file) / 1024 # 转换为KB print(f"📊 文件大小: {file_size:.1f} KB") return result # 使用示例 if __name__ == "__main__": result = process_tts_result("result.json") # 你可以基于这些信息做更多事情 if result: # 比如记录到数据库 # 或者发送通知 # 或者继续处理下一个任务 pass

这个脚本可以自动读取JSON文件，提取关键信息，并根据状态做相应的处理。

5. 自动化脚本集成实战

5.1 基础批量处理脚本

现在我们来点实际的。假设你有一个文本文件，里面有很多需要合成语音的内容。手动一个个处理太麻烦了，我们来写个脚本自动处理。

首先，准备一个文本文件texts_to_process.txt，每行一个待处理的文本：

今天天气真好，适合出去散步。 这个产品的功能非常强大，使用起来也很简单。 欢迎大家参加我们的线上技术分享会。 请注意，会议将在下午三点准时开始。 感谢您的耐心等待，我们会尽快处理您的问题。

然后创建处理脚本batch_tts.py：

#!/usr/bin/env python3 """ 批量语音合成脚本 支持从文本文件读取内容，批量生成语音 """ import os import json import subprocess import time from datetime import datetime def run_tts_command(text, output_dir, index, voice_style="标准普通话女声"): """运行TTS命令生成语音""" # 准备输出文件名 timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") audio_file = os.path.join(output_dir, f"audio_{index:03d}_{timestamp}.wav") json_file = os.path.join(output_dir, f"result_{index:03d}_{timestamp}.json") # 构建命令 cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", text, "--language", "Chinese", "--instruct", voice_style, "--output", audio_file, "--json-output", json_file ] print(f"正在处理第 {index} 条: {text[:30]}...") try: # 执行命令 start_time = time.time() result = subprocess.run(cmd, capture_output=True, text=True, check=True) end_time = time.time() # 读取JSON结果 with open(json_file, 'r', encoding='utf-8') as f: result_data = json.load(f) # 添加处理时间信息 result_data['processing_time'] = end_time - start_time with open(json_file, 'w', encoding='utf-8') as f: json.dump(result_data, f, ensure_ascii=False, indent=2) print(f"✅ 完成第 {index} 条，耗时: {end_time - start_time:.2f}秒") return True except subprocess.CalledProcessError as e: print(f"❌ 第 {index} 条处理失败: {e}") print(f"错误输出: {e.stderr}") return False except Exception as e: print(f"❌ 第 {index} 条出现异常: {e}") return False def batch_process_tts(input_file, output_dir, voice_style="标准普通话女声"): """批量处理文本文件""" # 创建输出目录 os.makedirs(output_dir, exist_ok=True) # 读取输入文件 with open(input_file, 'r', encoding='utf-8') as f: texts = [line.strip() for line in f if line.strip()] print(f"找到 {len(texts)} 条待处理文本") # 处理每条文本 success_count = 0 for i, text in enumerate(texts, 1): if run_tts_command(text, output_dir, i, voice_style): success_count += 1 # 可选：添加延迟，避免资源占用过高 time.sleep(0.5) # 生成处理报告 report = { "total_texts": len(texts), "success_count": success_count, "failure_count": len(texts) - success_count, "output_dir": output_dir, "process_time": datetime.now().isoformat(), "voice_style": voice_style } report_file = os.path.join(output_dir, "batch_report.json") with open(report_file, 'w', encoding='utf-8') as f: json.dump(report, f, ensure_ascii=False, indent=2) print(f"\n🎉 批量处理完成！") print(f"总计: {len(texts)} 条，成功: {success_count} 条，失败: {len(texts) - success_count} 条") print(f"输出目录: {output_dir}") print(f"处理报告: {report_file}") if __name__ == "__main__": # 配置参数 INPUT_FILE = "texts_to_process.txt" # 输入文本文件 OUTPUT_DIR = "output_audios" # 输出目录 VOICE_STYLE = "专业女声，语速适中，发音清晰" # 声音风格 # 运行批量处理 batch_process_tts(INPUT_FILE, OUTPUT_DIR, VOICE_STYLE)

运行这个脚本：

python batch_tts.py

脚本会自动读取texts_to_process.txt中的每一行文本，依次生成语音文件，并保存到output_audios目录中。每个音频文件都对应一个JSON文件，记录了生成的详细信息。

5.2 高级功能：多声音风格批量处理

有时候，你可能需要为不同的文本使用不同的声音风格。我们来升级一下脚本：

#!/usr/bin/env python3 """ 高级批量处理脚本 支持为不同文本指定不同的声音风格 """ import os import json import csv import subprocess import time from datetime import datetime def process_with_config(config_file, output_dir): """根据配置文件批量处理""" # 读取CSV配置文件 tasks = [] with open(config_file, 'r', encoding='utf-8') as f: reader = csv.DictReader(f) for row in reader: tasks.append(row) print(f"找到 {len(tasks)} 个处理任务") # 创建输出目录 os.makedirs(output_dir, exist_ok=True) # 处理每个任务 results = [] for i, task in enumerate(tasks, 1): text = task.get('text', '').strip() language = task.get('language', 'Chinese') voice_style = task.get('voice_style', '标准普通话女声') output_name = task.get('output_name', f'audio_{i:03d}') if not text: print(f"⚠️ 第 {i} 条任务文本为空，跳过") continue print(f"\n处理任务 {i}/{len(tasks)}") print(f"文本: {text[:50]}...") print(f"语言: {language}") print(f"声音: {voice_style}") # 生成文件名 timestamp = datetime.now().strftime("%H%M%S") audio_file = os.path.join(output_dir, f"{output_name}_{timestamp}.wav") json_file = os.path.join(output_dir, f"{output_name}_{timestamp}.json") # 构建命令 cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", text, "--language", language, "--instruct", voice_style, "--output", audio_file, "--json-output", json_file ] # 可选参数 if 'speed' in task and task['speed']: cmd.extend(["--speed", task['speed']]) if 'pitch' in task and task['pitch']: cmd.extend(["--pitch", task['pitch']]) # 执行命令 start_time = time.time() success = False error_msg = "" try: result = subprocess.run(cmd, capture_output=True, text=True, check=True) success = True except subprocess.CalledProcessError as e: error_msg = e.stderr except Exception as e: error_msg = str(e) end_time = time.time() # 记录结果 task_result = { "task_id": i, "text": text, "language": language, "voice_style": voice_style, "output_name": output_name, "audio_file": audio_file if success else None, "json_file": json_file if success else None, "success": success, "error": error_msg, "processing_time": end_time - start_time, "timestamp": datetime.now().isoformat() } results.append(task_result) if success: print(f"✅ 任务完成，耗时: {end_time - start_time:.2f}秒") else: print(f"❌ 任务失败: {error_msg}") # 短暂延迟 time.sleep(0.3) # 保存详细报告 report_file = os.path.join(output_dir, "detailed_report.json") with open(report_file, 'w', encoding='utf-8') as f: json.dump({ "total_tasks": len(tasks), "success_tasks": sum(1 for r in results if r['success']), "failed_tasks": sum(1 for r in results if not r['success']), "results": results, "summary_time": datetime.now().isoformat() }, f, ensure_ascii=False, indent=2) # 生成简略统计 success_count = sum(1 for r in results if r['success']) print(f"\n{'='*50}") print(f"批量处理完成统计:") print(f"总任务数: {len(tasks)}") print(f"成功: {success_count}") print(f"失败: {len(tasks) - success_count}") print(f"成功率: {success_count/len(tasks)*100:.1f}%") print(f"详细报告: {report_file}") print(f"{'='*50}") return results def create_sample_config(): """创建示例配置文件""" sample_config = [ { "text": "欢迎光临我们的店铺，今天有特别优惠哦！", "language": "Chinese", "voice_style": "热情的女销售声音，语速稍快", "output_name": "welcome", "speed": "1.1" }, { "text": "您的订单已确认，预计明天送达。", "language": "Chinese", "voice_style": "温和的客服女声，语气亲切", "output_name": "order_confirmed", "pitch": "0.9" }, { "text": "Warning: System will undergo maintenance at 2 AM.", "language": "English", "voice_style": "Serious male voice, clear pronunciation", "output_name": "system_warning" }, { "text": "こんにちは、いらっしゃいませ。", "language": "Japanese", "voice_style": "友好的女性声音，标准的敬语", "output_name": "japanese_welcome" } ] # 保存为CSV文件 with open('tts_tasks.csv', 'w', encoding='utf-8', newline='') as f: fieldnames = ['text', 'language', 'voice_style', 'output_name', 'speed', 'pitch'] writer = csv.DictWriter(f, fieldnames=fieldnames) writer.writeheader() writer.writerows(sample_config) print("示例配置文件已创建: tts_tasks.csv") if __name__ == "__main__": # 创建示例配置文件（第一次运行时使用） # create_sample_config() # 使用配置文件处理 CONFIG_FILE = "tts_tasks.csv" # CSV配置文件 OUTPUT_DIR = "multi_voice_output" # 输出目录 process_with_config(CONFIG_FILE, OUTPUT_DIR)

这个高级脚本支持：

1. CSV配置文件：可以批量配置多个任务，每个任务可以有不同的文本、语言、声音风格
2. 灵活的参数：支持调整语速、音高等参数
3. 详细的报告：生成完整的处理报告，包括每个任务的成功/失败状态
4. 错误处理：单个任务失败不会影响其他任务

配置文件tts_tasks.csv的格式如下：

text,language,voice_style,output_name,speed,pitch 欢迎光临我们的店铺,Chinese,热情的女销售声音,welcome,1.1, 您的订单已确认,Chinese,温和的客服女声,order_confirmed,,0.9 Warning: System will...,English,Serious male voice,system_warning,, こんにちは、いらっしゃいませ,Japanese,友好的女性声音,japanese_welcome,,

5.3 定时任务与监控脚本

如果你需要定期生成语音（比如每天的新闻播报），可以结合Linux的crontab使用：

#!/usr/bin/env python3 """ 定时语音生成脚本 适合每天定时生成固定内容的语音 """ import os import json import subprocess import schedule import time from datetime import datetime def generate_daily_announcement(): """生成每日播报""" # 获取当前日期 today = datetime.now().strftime("%Y年%m月%d日") # 播报内容（可以根据需要从API获取） announcement_text = f""" 大家好，今天是{today}。 欢迎收听每日技术播报。 今天的主要内容有： 一、Qwen3-TTS命令行使用技巧分享 二、语音合成自动化脚本编写指南 三、常见问题解答 播报完毕，谢谢收听。 """ # 清理文本 announcement_text = ' '.join(announcement_text.strip().split()) # 准备输出文件 output_dir = "daily_announcements" os.makedirs(output_dir, exist_ok=True) date_str = datetime.now().strftime("%Y%m%d") audio_file = os.path.join(output_dir, f"announcement_{date_str}.wav") json_file = os.path.join(output_dir, f"announcement_{date_str}.json") # 构建命令 cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", announcement_text, "--language", "Chinese", "--instruct", "专业的新闻播报员声音，语速适中，发音清晰", "--output", audio_file, "--json-output", json_file ] print(f"{datetime.now().strftime('%Y-%m-%d %H:%M:%S')} 开始生成每日播报...") try: start_time = time.time() result = subprocess.run(cmd, capture_output=True, text=True, check=True) end_time = time.time() # 记录日志 log_entry = { "date": datetime.now().isoformat(), "text": announcement_text, "audio_file": audio_file, "json_file": json_file, "processing_time": end_time - start_time, "status": "success" } # 保存日志 log_file = os.path.join(output_dir, "generation_log.json") logs = [] if os.path.exists(log_file): with open(log_file, 'r', encoding='utf-8') as f: logs = json.load(f) logs.append(log_entry) with open(log_file, 'w', encoding='utf-8') as f: json.dump(logs, f, ensure_ascii=False, indent=2) print(f"✅ 每日播报生成成功！耗时: {end_time - start_time:.2f}秒") print(f"📁 音频文件: {audio_file}") # 可以在这里添加发送通知的代码 # 比如发送邮件、推送到消息队列等 except Exception as e: print(f"❌ 生成失败: {e}") # 记录错误日志 error_log = { "date": datetime.now().isoformat(), "error": str(e), "status": "failed" } error_file = os.path.join(output_dir, "error_log.json") errors = [] if os.path.exists(error_file): with open(error_file, 'r', encoding='utf-8') as f: errors = json.load(f) errors.append(error_log) with open(error_file, 'w', encoding='utf-8') as f: json.dump(errors, f, ensure_ascii=False, indent=2) def monitor_tts_service(): """监控TTS服务状态""" # 简单的健康检查 try: # 尝试生成一个简短的测试语音 test_cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", "服务状态测试", "--language", "Chinese", "--instruct", "标准女声", "--output", "/tmp/test_service.wav" ] result = subprocess.run(test_cmd, capture_output=True, text=True, timeout=30) if result.returncode == 0: print(f"{datetime.now().strftime('%Y-%m-%d %H:%M:%S')} ✅ TTS服务运行正常") return True else: print(f"{datetime.now().strftime('%Y-%m-%d %H:%M:%S')} ⚠️ TTS服务异常: {result.stderr}") return False except subprocess.TimeoutExpired: print(f"{datetime.now().strftime('%Y-%m-%d %H:%M:%S')} ❌ TTS服务超时") return False except Exception as e: print(f"{datetime.now().strftime('%Y-%m-%d %H:%M:%S')} ❌ TTS服务检查失败: {e}") return False if __name__ == "__main__": # 设置定时任务 # 每天上午9点生成播报 schedule.every().day.at("09:00").do(generate_daily_announcement) # 每小时检查一次服务状态 schedule.every().hour.do(monitor_tts_service) print("定时语音生成服务已启动") print("每日播报时间: 09:00") print("服务监控间隔: 每小时") print("按 Ctrl+C 停止服务") # 立即运行一次健康检查 monitor_tts_service() # 保持服务运行 try: while True: schedule.run_pending() time.sleep(60) # 每分钟检查一次任务 except KeyboardInterrupt: print("\n服务已停止")

这个脚本可以：

1. 定时生成：每天固定时间生成语音内容
2. 服务监控：定期检查TTS服务是否正常
3. 日志记录：记录每次生成的结果和错误信息
4. 错误处理：失败时记录错误日志，不影响后续任务

设置crontab定时任务：

# 编辑crontab crontab -e # 添加以下行，每天上午9点运行 0 9 * * * /usr/bin/python3 /path/to/daily_tts.py

6. 实用技巧与问题解决

6.1 性能优化建议

在使用命令行调用时，有几个技巧可以提升性能和体验：

1. 使用Flash Attention加速如果你的环境支持，安装Flash Attention可以显著提升推理速度：

pip install flash-attn --no-build-isolation

安装后，可以在命令中添加--use-flash-attn参数（如果支持的话）。

2. 批量处理时的资源管理当处理大量文本时，注意系统资源：

# 限制并发数量（在脚本中控制） MAX_CONCURRENT = 2 # 同时最多处理2个任务 # 添加处理间隔 time.sleep(1) # 每个任务之间暂停1秒

3. 输出目录管理建议按日期或项目组织输出文件：

import os from datetime import datetime # 按日期创建目录 today = datetime.now().strftime("%Y%m%d") output_dir = f"tts_output/{today}" os.makedirs(output_dir, exist_ok=True)

6.2 常见问题与解决方法

问题1：命令执行报错 "command not found: qwen-tts-cli"

解决方法：检查是否安装了qwen-tts包，或者使用完整路径 python -m qwen_tts.cli --help

问题2：内存不足

解决方法：使用CPU模式或减少并发数量 qwen-tts-cli --device cpu ... 或者在脚本中添加资源检查

问题3：生成的声音不自然

解决方法：调整声音描述，尝试不同的描述方式 --instruct "语速稍慢，发音清晰，语气自然" 或者调整参数：--speed 0.9 --pitch 1.1

问题4：处理长文本时出错

解决方法：将长文本拆分成短句处理 text = "这是一个很长的文本..." # 假设超过500字 chunks = [text[i:i+200] for i in range(0, len(text), 200)] for chunk in chunks: # 分别处理每个片段

6.3 与其他工具集成

命令行调用的最大优势就是容易集成。这里给你几个集成思路：

1. 与Web服务集成

from flask import Flask, request, jsonify import subprocess import tempfile import os app = Flask(__name__) @app.route('/generate_tts', methods=['POST']) def generate_tts(): """TTS生成API接口""" data = request.json text = data.get('text', '') voice_style = data.get('voice_style', '标准普通话女声') if not text: return jsonify({'error': '文本内容不能为空'}), 400 # 创建临时文件 with tempfile.NamedTemporaryFile(suffix='.wav', delete=False) as tmp_audio: audio_file = tmp_audio.name # 执行TTS命令 cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", text, "--language", "Chinese", "--instruct", voice_style, "--output", audio_file ] try: result = subprocess.run(cmd, capture_output=True, text=True, timeout=30) if result.returncode == 0: # 返回音频文件 return send_file(audio_file, mimetype='audio/wav') else: return jsonify({'error': result.stderr}), 500 except Exception as e: return jsonify({'error': str(e)}), 500 finally: # 清理临时文件 if os.path.exists(audio_file): os.unlink(audio_file) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)

2. 与数据处理管道集成

import pandas as pd import subprocess from tqdm import tqdm def process_dataframe(df, text_column, output_dir): """处理DataFrame中的文本列""" results = [] for idx, row in tqdm(df.iterrows(), total=len(df)): text = row[text_column] # 生成唯一文件名 audio_file = f"{output_dir}/row_{idx}.wav" # 执行TTS cmd = [ "qwen-tts-cli", "--model-path", "/root/ai-models/Qwen/Qwen3-TTS-12Hz-1___7B-VoiceDesign", "--text", text, "--language", "Chinese", "--instruct", "标准女声", "--output", audio_file ] try: subprocess.run(cmd, check=True, timeout=10) results.append({'row_id': idx, 'audio_file': audio_file, 'status': 'success'}) except Exception as e: results.append({'row_id': idx, 'audio_file': None, 'status': 'failed', 'error': str(e)}) return pd.DataFrame(results) # 使用示例 df = pd.read_csv('data.csv') result_df = process_dataframe(df, 'text_column', 'output_audios') result_df.to_csv('processing_results.csv', index=False)

7. 总结

通过这篇文章，你应该已经掌握了Qwen3-TTS VoiceDesign的命令行调用方法。我们来回顾一下重点：

1. 基础命令行调用很简单

qwen-tts-cli --text "你的文本" --instruct "声音描述" --output 输出文件.wav

2. JSON输出让自动化更简单加上--json-output参数，就能获得结构化的生成结果，方便程序处理。

3. 脚本集成实现批量处理无论是简单的批量脚本，还是复杂的多风格处理，甚至是定时任务，都能通过Python脚本轻松实现。

4. 实用技巧提升使用体验

• 使用Flash Attention加速推理
• 合理管理输出文件和目录
• 处理常见错误和性能问题

命令行调用的最大优势就是灵活性和自动化能力。一旦你掌握了这个方法，就能把语音合成无缝集成到你的工作流中，无论是批量生成内容、搭建API服务，还是定时任务，都能轻松应对。

我建议你从简单的命令开始尝试，然后逐步尝试写一些自动化脚本。在实际使用中，你会遇到各种具体需求，那时候再根据需求调整脚本，效率会越来越高。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。