Stažení

Qwen3-TTS (offline, 1.7B)

HlasyOfflineGPU volitelnéKlonování hlasuKomerční použití povoleno

Mluví vaše titulky v deseti jazycích, s devíti vestavěnými hlasy, nebo s klonem každého mluvčího z několika sekund videa. Běží na vašem počítači a její váhy dovolují komerční použití.

Nainstalujte ho z Subtitld

Nastavení Doplňky Qwen3-TTS (offline, 1.7B) Instalovat

Subtitld ho stáhne, ověří jeho SHA-256 a bude ho udržovat aktuální.

Zdrojový kód na GitHubu
Jazyky
10
Modely
3
Hlasy
10
Stažení doplňku
317–456 MB
RAM, alespoň
8 GB

Co dělá

Devět hlasů

Pět čínských hlasů (dva mluví pekingským a sichuánským dialektem), dva anglické, jeden japonský a jeden korejský. Každý umí všech deset jazyků, ale zní nejlépe ve svém.

Klon z videa

Zvolte Custom voice a Subtitld modelu dá několik sekund od daného mluvčího, vystříhaných z videa. Potřebuje alespoň 3 sekundy.

Přesněji s přepisem

Se slovy vyřčenými ve vzorku se klon přiblíží mluvčímu. Bez nich pracuje jen ze zvuku, o něco méně přesně.

Jeden model najednou

Vestavěné hlasy a klon používají dva různé modely. V paměti je jen jeden; přepnutí z jednoho na druhý jej znovu načte.

Hlasy

V záložce Mluvčí zvolte u mluvčího Qwen3-TTS jako Modul dabingu, poté vyberte Hlas. Custom voice je nahoře v seznamu. Každý řádek vyjde tak dlouhý, jak jej model vytvoří; zapněte Přizpůsobit dabing délce titulku, aby mluvčí řádek natáhl nebo stlačil na délku jeho titulku.

10 hlasů v 4 jazycích.

  • en 2
  • ja 1
  • ko 1
  • zh-cn 5

Vzorek pro klon

Když je hlas mluvčího Custom voice, Subtitld vystřihne z audia projektu vzorek tohoto mluvčího:

  • jeho nejdelší titulek mezi 3 a 12 sekundami;
  • když žádný nevyhovuje, prvních 12 sekund delšího;
  • když jsou všechny kratší než 3 sekundy, několik za sebou, spojených, dokud nedosáhnou 3.

Pokud jste pro toto video oddělili hudbu od hlasu, vzorek pochází jen z hlasu. Default voice reference v nastavení doplňku se použije jen tehdy, když vzorek vystřihnout nelze, například když není otevřené žádné video.

Subtitld uchovává vzorek každého mluvčího a vystřihne jej znovu, jen když se změní zvukový soubor. Po úpravě časů řádků mluvčího smažte jeho vzorek, aby vznikl nový; jeho název končí jménem mluvčího.

Systém Složka
Linux ~/.cache/subtitld/clone-refs
macOS ~/Library/Caches/subtitld/clone-refs
Windows %LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs

Modely

Vestavěné hlasy potřebují model CustomVoice a klon potřebuje Base. Každý se stáhne při prvním generování řádku, který jej používá, takže projekt s oběma zabere na disku asi 7 GB. Jsou uloženy v mezipaměti Hugging Face (~/.cache/huggingface/hub, pokud nenastavíte HF_HOME), mimo složku doplňku, takže aktualizace nebo odstranění doplňku je ponechá.

Model StaženíVhodné pro
qwen3-tts-1_7b-customvoice
3.4 GB
Devět vestavěných hlasů
qwen3-tts-1_7b-base
3.4 GB
Jen klonovaný hlas
qwen3-tts-tokenizer-12hz
250 MB

Možnosti

Doplněk tato nastavení čte při startu, takže se změna projeví, jakmile je pět minut nečinný, nebo po restartu Subtitld. Skip auto-extracted reference transcript je výjimka: Subtitld jej čte pro každý řádek.

V Nastavení › Doplňky › Qwen3-TTS (offline, 1.7B) › Nastavit.

Inference device
Výchozí: cpu

Ponechte na CPU. Vydaná sestavení jsou vytvořena s balíčkem PyTorch pro CPU, takže s nimi CUDA nebude fungovat; MPS je označen jako beta.

Weight precision
Výchozí: auto

Auto zvolí float32 na CPU a bfloat16 s CUDA. float16 platí jen s CUDA; na CPU doplněk místo něj použije float32.

Default voice reference (3+ seconds, mono WAV recommended)
Výchozí: prázdné

Klip, který má klonovaný hlas zkopírovat, když Subtitld nemůže z videa získat vzorek mluvčího, například když není otevřené žádné video. Vzorek z videa má vždy přednost.

Default voice reference transcript
Výchozí: prázdné

Slova vyslovená ve výchozím klipu výše. Doplněk je použije u každého vzorku, který přijde bez vlastního přepisu, včetně vzorků z videa, takže to nechte prázdné, pokud se nespoléháte na výchozí klip.

Skip auto-extracted reference transcript
Výchozí: vypnuto

Zapněte, aby text titulku nešel se vzorkem jako jeho přepis. Klon pak pracuje jen ze zvuku hlasu. Hodí se, když vaše titulky volně parafrázují řečené.

Jazyky

Subtitld posílá jazyk projektu bez regionu, takže pt-br se čte jako portugalština. Pro jazyk mimo těchto deset se vestavěný hlas vrátí ke svému vlastnímu jazyku a klon k automatické detekci.

  • zh-cn
  • en
  • ja
  • ko
  • de
  • fr
  • ru
  • pt
  • es
  • it

Platformy

Systém StaženíOtestováno
Linux x86-64 455.7 MBSestaveno a spuštěno v CI
macOS (univerzální) 345.8 MBSestaveno a spuštěno v CI
Windows x86-64 316.5 MBSestaveno a spuštěno v CI

Každé vydání je sestaveno na Linuxu, macOS a Windows a CI ověří, že se program spustí a vypíše své hlasy. CI negeneruje řeč.

Řešení potíží

  • bad_paramsBuď titulek nemá text, nebo klon nedostal vzorek: Subtitld jej nedokázal vystřihnout (není otevřené video, nebo pro tohoto mluvčího nejsou titulky) a není nastaven výchozí klip. Doplňte text titulku, otevřete video, nebo nastavte Default voice reference.
  • internalModel se nepodařilo načíst, nebo namluvit řádek; zpráva uvede, které. Selhání stažení při prvním použití skončí také zde: zkontrolujte připojení a volné místo na disku a zkuste to znovu. Pokud jste zvolili CUDA nebo MPS, vraťte zařízení na CPU.

Licence

Doplněk
Apache-2.0
Engine
Apache-2.0
qwen-tts
Modely
Apache-2.0
Váhy Qwen3-TTS

Vhodné pro komerční práci: doplněk, knihovna qwen-tts i váhy Qwen3-TTS jsou všechny Apache-2.0.

Verze

  • 1.0.6

    Automated release for qwen3-tts v1.0.6.

Další doplňky skupiny Hlasy

Aktualizováno · Z katalogu doplňků Nahlásit problém s tímto doplňkem