Qwen TTS3 lokal ausführen — Offline-KI-Sprachgenerator

Qwen3-TTS ist die neueste Generation von Open-Source-Text-to-Speech-Modellen des Qwen-Teams von Alibaba Cloud, die im Januar 2026 veröffentlicht wurde. Es wurde für extrem niedrige Latenz, hohe Ausdruckskraft und flexible Steuerung durch natürliche Sprache entwickelt.

So funktioniert Qwen3-TTS

Im Gegensatz zu herkömmlichen Modellen, die eine separate Diffusionsstufe verwenden, behandelt Qwen3-TTS die Sprachsynthese als eine Sprachmodellierungsaufgabe, ähnlich wie Textmodelle das nächste Wort vorhersagen.

• Dual-Track-Architektur: Es verwendet eine Dual-Track-Hybridarchitektur, die sowohl Streaming- als auch Nicht-Streaming-Generierung unterstützt.
• Sprach-Tokenisierung: Das System komprimiert Audio mithilfe von zwei speziellen Tokenizern in diskrete Einheiten (Tokens):
  • 25-Hz-Tokenizer: Erfasst hohe zeitliche Auflösung und akustische Details, wobei Qualität im Vordergrund steht.
  • 12-Hz-Tokenizer: Erreicht extreme Komprimierung und extrem niedrige Latenz und ermöglicht so eine sofortige Audioausgabe „nach dem ersten Paket“.
• Diskretes Multi-Codebook LM: Durch die direkte Modellierung von Sprach-Tokens in einer Ende-zu-Ende-Architektur werden die Informationsengpässe, die in älteren „LM + Diffusion“ -Schemata zu finden waren, umgangen.

Was macht es einzigartig

Qwen3-TTS zeichnet sich durch ein hohes Maß an Steuerbarkeit und Geschwindigkeit auf Geräten für Endverbraucher aus.

Lokales und Open-Source-Setup (Promptus)

Sie können Qwen3-TTS vollständig offline ausführen mit dem Promptus Desktop-Anwendung. Dadurch wird sichergestellt, dass Ihre Audiodaten privat bleiben, und es werden minutengenaue Kreditkosten vermieden.

1. Erste Einrichtung

• Anforderungen: Aus Geschwindigkeitsgründen wird ein lokaler Computer mit einer NVIDIA-GPU (CUDA) empfohlen, obwohl auch der CPU-Modus unterstützt wird (bei langsameren Geschwindigkeiten).
• Öffnen Sie den Promptus Manager: Gehen Sie in der Promptus-App zu Profil → Manager öffnen.

2. Installieren Sie den Server und den Workflow

• ComfyUI Server: Klicken Sie im Manager auf Installieren → ComfyUI Server. Dies ist das Backbone, das für die Ausführung der lokalen Workflows benötigt wird.
• Laden Sie Qwen3-TTS herunter: Gehe zum Gemütliche Flüsse Abschnitt in der Promptus-Anwendung. Suchen Sie nach „Qwen“ und wählen Sie das Qwen3-TTS Arbeitsablauf (z. B. Custom Voice, Voice Clone oder Voice Design) und klicken Sie auf Herunterladen/Installieren.

3. Offline ausführen

• Workflow starten: Kehren Sie zur Haupt-App von Promptus zurück und gehen Sie zur Gemütliche Flüsse Tab.
• Wählen Sie den Ausführungsmodus: Klicken Sie auf das Symbol oben rechts und wählen Sie Lokal installieren oder Offline ausführen.
• Generieren Sie: Sobald der lokale Server gestartet ist, geben Sie Ihren Text und Ihre Einstellungen (Sprache, Sprachtyp usw.) ein und klicken Sie auf Generieren.

Hinweis: Beim ersten Durchlauf lädt die App automatisch die erforderlichen Modellgewichte (0,6 B oder 1,7 B) von Hugging Face herunter.