ai tutorial macwindows 2026年3月19日

Qwen3-TTS Web UI lokal starten: Vollstandiges Handbuch | Stimmen klonen ganz ohne Code

Qwen3-TTS bringt eine eigene Weboberflache mit — einfach eine Sprachaufnahme hochladen und die Stimme wird geklont, komplett ohne Programmierung. Diese Anleitung unterstutzt Mac (M-Serie-Chips) und Windows (NVIDIA-Grafikkarten).

qwen3 ttsqwen tts web uiqwen voice cloneQwen3-TTS WeboberflacheQwen StimmenklonQwen TTS Tutorial

Qwen3-TTS Web UI lokal starten: Vollstandiges Handbuch — Stimmen klonen ganz ohne Code

Das neue Qwen3-TTS von Alibaba hat es wirklich in sich — eine Sprachaufnahme von dir hochladen, und es «lernt», wie du sprichst. Oder du beschreibst per Text eine «tiefe, magnetische Mannerstimme», und es generiert sie dir. Das Beste: Es bringt eine eigene Weboberflache mit. Browser auf, ein paar Klicks, fertig — keine Zeile Code anfassen.

Dieses Handbuch basiert auf meinen eigenen Tests auf einem Mac mini M4 (M-Serie). Alle Fallstricke sind fur dich markiert.

Zuerst klaren, welche Konfiguration du hast

Lokale Installationsanleitung:

https://lingflux.com/zh-cn/articles/ai/qwen3-tts-mac-mini-m4-complete-guide/

Nicht gleich Befehle kopieren — zuerst prufen, welche Hardware du hast und welchen Weg du gehen musst:

Dein Computer	Der richtige Weg
Mac, M1/M2/M3/M4 Chip	Mit `mps`-Beschleunigung, den Mac-Weg gehen
Windows, mit NVIDIA-Grafikkarte	Mit `cuda`-Beschleunigung, den Windows-Weg gehen
Keine dedizierte Grafikkarte, nur CPU	Lauft auch, aber langsam — einen Tee kochen und warten

Drei Modi — such dir einen aus

Beim Start wählst du ein anderes Modell, und schon bist du in einem anderen Modus. Kurz gesagt:

Stimmenklon → Eigene Sprachaufnahme hochladen, es lernt deine Stimme Modellname: Qwen/Qwen3-TTS-12Hz-1.7B-Base

Voreingestellte Stimmen → Aus eingebauten Stimmen wahlen, plus Anweisungen wie «Sprich mit traurigem Ton» Modellname: Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice

Individuelle Stimmdesign → Per Text beschreiben, wie die Stimme klingen soll, und es generiert sie Modellname: Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign

Die folgenden Befehle verwenden das Base-Modell (Stimmenklon) als Beispiel. Zum Wechseln einfach den Modellnamen austauschen.

Schritt 1: Die Oberflache starten

Mac (M-Serie-Chips)

Terminal offnen und diesen Befehl einfugen:

qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-Base \
  --device mps \
  --dtype bfloat16 \
  --no-flash-attn

Was die drei Parameter bedeuten:

--device mps: Die Apple-Chip-GPU nutzen, deutlich schneller als reine CPU. Wenn dein Mac kein M-Serie-Modell ist, hier cpu eintragen
--dtype bfloat16: Das Zahlenformat des Modells — von der M-Serie gut unterstutzt, einfach ubernehmen
--no-flash-attn: Darf nicht fehlen! Mac unterstutzt FlashAttention nicht — ohne diesen Parameter stürzt es beim Start ab

Windows (NVIDIA-Grafikkarte)

Eingabeaufforderung (CMD) offnen und einfugen:

qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-Base ^
  --device cuda:0 ^
  --dtype bfloat16 ^
  --flash-attn

Parameter-Erklarung:

--device cuda:0: Die erste NVIDIA-Grafikkarte verwenden (normalerweise gibt es nur eine, 0 reicht)
--dtype bfloat16: Ab RTX-30-Serie unterstutzt, empfohlen
--flash-attn: Unter Windows + CUDA kann diese Beschleunigung aktiviert werden — deutlich schneller

Kleiner Hinweis: In Windows-Befehlen wird fur Zeilenumbruche ^ (CMD) oder ein Backtick (PowerShell) verwendet, nicht \ wie auf dem Mac — nicht verwechseln.

Keine Grafikkarte, nur CPU?

qwen-tts-demo Qwen/Qwen3-TTS-12Hz-1.7B-Base \
  --device cpu \
  --dtype float32

Lauft, aber langsam. Einen kurzen Text zu generieren kann mehrere Minuten dauern — darauf gefasst sein.

Schritt 2: Browser offnen

Nachdem der Befehl gestartet wurde, erscheint im Terminal eine Zeile wie diese:

Running on local URL: http://0.0.0.0:8000

Im Browser http://localhost:8000 aufrufen — die Oberflache erscheint, der Rest ist Klicken.

Von einem Handy oder einem anderen Gerat im lokalen Netzwerk aus nutzen? localhost durch die IP-Adresse dieses Computers ersetzen. IP herausfinden: Mac: ifconfig | grep "inet ", Windows: ipconfig.

Fehlermeldung? Keine Panik — hier nachschlagen

Mac: FlashAttention-Fehler beim Start Wahrscheinlich wurde --no-flash-attn vergessen — erganzen und neu starten.

Windows: CUDA nicht verfugbar Zuerst mit diesem Befehl prufen:

python -c "import torch; print(torch.cuda.is_available())"

True bedeutet alles OK; False heisst, die falsche PyTorch-Version ist installiert. Neu installieren mit CUDA-Unterstützung:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

cu121 entspricht CUDA 12.1 — an die eigene CUDA-Version anpassen. CUDA 11.8? Dann cu118 verwenden.

Grafikspeicher voll, OOM-Fehler (Out of Memory) --dtype bfloat16 durch --dtype float16 ersetzen — etwas weniger Praezision, aber spart Grafikspeicher.

Modelldownload langsam oder fehlgeschlagen (in China) Vor dem Befehl den Spiegel-Server setzen:

Mac / Linux:

export HF_ENDPOINT=https://hf-mirror.com

Windows:

set HF_ENDPOINT=https://hf-mirror.com

Lieber nicht lokal installieren? Erst online ausprobieren

Die Installation von Modell und Umgebung kann etwas muhsam sein. Auf der offiziellen Online-Demo-Seite kann man erst ein paar Minuten herumspielen und schauen, ob es einem wirklich zusagt, bevor man sich an die lokale Installation macht:

Hugging Face: https://huggingface.co/spaces/Qwen/Qwen3-TTS
ModelScope (schneller aus China): https://modelscope.cn/studios/Qwen/Qwen3-TTS

Hängst du an einem Schritt fest? Die Fehlermeldung aus dem Terminal komplett kopieren und in eine Suchmaschine oder eine KI werfen — meistens ist das Problem in wenigen Minuten gelost.