Qwen3-TTS的多角色对话功能，革新了AI音频制作流程。通过一套工作流，即可实现剧本自动分角、多音色克隆与无缝对话生成，让个人也能轻松创作高质量的播客、广播剧等内容，极大降低了制作门槛。
智能速览
Qwen3-TTS新功能支持多角色对话生成。
工作流能自动分角并匹配不同音色。
用户只需编写剧本，无需后期剪辑。
推荐使用1.7B模型，对显存要求不高。
提供云端镜像和在线平台方便体验。
精华内容
这项技术如何将复杂的音频制作流程，简化为一次点击操作？关键在于其智能化的节点设计与无缝衔接的工作流。
功能与安装
基于Qwen3-TTS的多角色配音功能，允许用户通过单一工作流生成包含多个不同音色的对话音频。这一功能特别适合制作播客、有声书或广播剧，能够将创作者从繁琐的音频切片与合成工作中解放出来。
要实现此功能，需要安装特定的ComfyUI插件。推荐使用1.7B参数的Qwen3-TTS模型，它在保证效果的同时，对显存的要求也相对亲民，适合大多数用户。将下载好的模型文件放置到ComfyUI的指定模型文件夹即可。
工作流配置
工作流的核心配置涉及三个关键节点。首先是`Qwen3-TTS VoiceClonePrompt`节点，用于上传并传入参考音频，以克隆或设计特定角色的声音。接着，将这些声音模型接入`Qwen3-TTS RoleBank`节点，并为每个角色设置一个唯一的名称，例如“旁白”、“阿东”。
最后，所有角色模型汇入`Qwen3-TTS DialogueInference`节点。在此节点的文案输入框中，按照“角色名：对话内容”的格式编写剧本。系统会自动识别角色名，并为其匹配对应的音色，实现对话的自动化生成。
效果与选择
实际生成的音频效果显著，能够清晰地区分不同角色的音色，对话流畅自然，富有真实感。无论是旁白、男性角色还是女性角色，都能保持声音的一致性，避免了传统TTS机械感强的问题。
在声音来源上，用户有两种选择。一种是利用模型直接重新设计和生成全新的音色，满足多样化的创作需求；另一种是克隆已有的真实人声音频，快速还原特定人物的声音特质，两种方案都极大地增强了创作的灵活性。
云端体验方案
对于没有本地ComfyUI环境，或者显卡显存低于16G的用户，可以使用部署好的云端镜像。这些镜像预装了所需的工作流和模型，用户注册后即可在线直接使用，免去了本地配置环境的复杂过程。
一些平台还为新用户提供体验时长或积分奖励，降低了尝试门槛。这种方式让更多人能够轻松接触并利用前沿的AI技术，专注于内容创作本身，而非技术部署。
Qwen3-TTS的多角色功能，无疑为内容创作者，特别是音频领域的从业者，打开了一扇通往高效创作的大门。它让复杂的团队协作模式，向个人化、智能化生产转变，未来是否会有更多惊艳的应用出现？
