Qwen3-TTS CNB (长文本克隆音色)

本项目用于在 CNB WebIDE 中使用 Qwen3-TTS-12Hz-1.7B-Base 进行长文本克隆音色，采用 vLLM-Omni 离线推理 + 分段拼接 的方案，并通过 CNB 模型镜像拉取权重。

1. 进入 WebIDE，打开 notebooks/qwen3_tts_long_text_clone.ipynb。
2. 按顺序运行单元格：
   • 会从 CNB 模型镜像拉取模型到本地 models/ 目录。
   • 设置 REF_AUDIO_PATH、REF_TEXT、LONG_TEXT。
   • 通过 vLLM-Omni 进行离线生成，自动分段并输出到 /workspace/output_long_clone.wav。

• 需要 GPU（建议 >= 24GB）
• Python 3.12
• 主要依赖：qwen-tts、vllm、vllm-omni、torch、transformers、soundfile、librosa

从 CNB 镜像拉取：

• https://cnb.cool/ai-models/Qwen/Qwen3-TTS-12Hz-1.7B-Base.git
• https://cnb.cool/ai-models/Qwen/Qwen3-TTS-Tokenizer-12Hz.git

默认缓存目录：/workspace/models（可在 notebook 里调整）。

vLLM-Omni 的阶段配置保存在 qwen3_tts_stage.yaml，可按需调整显存占用等参数。