Qwen3-TTS Flask API(Blackwell GPUサーバ)

この構成は、Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice をGPUメモリへ常駐させ、Windowsクライアントから WAV を取得するためのものです。

1. サーバ側に配置・インストール

GPUサーバ(192.168.27.18)で実行します。

mkdir -p /home/share/apps/qwen-tts-api
cd /home/share/apps/qwen-tts-api
# qwen_tts_flask_server.py をここへ配置

# Python 3.12 がない場合は uv がダウンロードする。
uv venv --python 3.12 .venv

# PyTorch を先に導入して GPU が見えることを確認する。
# `uv pip install torch` でGPU対応版が入らない環境では、
# PyTorch公式の「Start Locally」でLinux / Pip / CUDAを選んだコマンドを使う。
uv pip install --python .venv/bin/python -U torch
.venv/bin/python -c 'import torch; print(torch.__version__, torch.cuda.is_available(), torch.cuda.get_device_name(0))'

uv pip install --python .venv/bin/python -U qwen-tts flask soundfile

最後のコマンドで True と RTX PRO 6000 Blackwell が表示されることを確認してください。False の場合は、先にGPU対応PyTorchを導入します。

初回起動ではモデルをダウンロードします。サービス化の前に、手動で一度起動して確認します。

cd /home/share/apps/qwen-tts-api
.venv/bin/python qwen_tts_flask_server.py

別端末から次を実行し、status: ok が返れば成功です。

curl http://127.0.0.1:8003/health
curl http://127.0.0.1:8003/v1/audio/voices

2. systemd 常駐化

qwen-tts-flask.service を /etc/systemd/system/qwen-tts-flask.service に配置します。標準のままなら、ExecStart はこのディレクトリ内の .venv/bin/python を使用します。

有効化・起動:

sudo systemctl daemon-reload
sudo systemctl enable --now qwen-tts-flask
sudo systemctl status qwen-tts-flask --no-pager

ログ確認:

journalctl -u qwen-tts-flask -f

サービスを更新した場合:

sudo systemctl restart qwen-tts-flask

3. Windowsクライアントからの確認

qwen_tts_api_cli.py をWindowsへコピーします。

python qwen_tts_api_cli.py --health
python qwen_tts_api_cli.py --list-voices
python qwen_tts_api_cli.py --text "Hello. This is a Qwen TTS API test." --language English --voice Ono_Anna -o test.wav

テキストファイルを使う場合:

python qwen_tts_api_cli.py --text-file narration.txt --language English --voice Ono_Anna -o narration.wav

Windowsファイアウォールやサーバのfirewalldを使っている場合は、TCP 8003 を学内ネットワーク 192.168.27.0/24 にだけ開放してください。

4. 既存プログラムの設定

make_voice_en.bat または make_video_en.bat の設定欄を次のようにします。

set "tts=qwen_api"
set "voices=Ono_Anna"
set "qwen_api_server=http://192.168.27.18:8003"

クライアント側には、更新済みの tktts.py、tktts_qwen_api.py、および呼び出す speak.py または add_notes_voice_pptx2.py が必要です。