Spricht Ihre Untertitel in zehn Sprachen, mit neun eingebauten Stimmen oder einem Klon jedes Sprechers aus wenigen Sekunden des Videos. Es läuft auf Ihrem eigenen Computer, und seine Gewichte erlauben kommerzielle Nutzung.

Was es tut

Neun Stimmen

Fünf chinesische Stimmen (zwei sprechen die Dialekte von Peking und Sichuan), zwei englische, eine japanische und eine koreanische. Jede kann alle zehn Sprachen sprechen, klingt aber in ihrer eigenen am besten.

Klonen aus dem Video

Wählen Sie Custom voice, und Subtitld gibt dem Modell einige Sekunden dieses Sprechers, aus dem Video geschnitten. Mindestens 3 Sekunden sind nötig.

Näher mit Transkription

Mit den in der Probe gesprochenen Worten kommt der Klon dem Sprecher näher. Ohne sie arbeitet er nur mit dem Klang, etwas weniger genau.

Ein Modell zur Zeit

Die eingebauten Stimmen und der Klon verwenden zwei verschiedene Modelle. Nur eines ist im Speicher; beim Wechsel wird es neu geladen.

Stimmen

Im Tab Sprecher wählen Sie Qwen3-TTS als Synchronisations-Engine eines Sprechers und danach eine Stimme. Custom voice steht oben in der Liste. Jede Zeile wird so lang, wie das Modell sie macht. Aktivieren Sie Synchronaufnahme an Untertiteldauer anpassen, damit der Sprecher sie auf die Dauer ihres Untertitels streckt oder staucht.

10 Stimmen in 4 Sprachen.

en 2
ja 1
ko 1
zh-cn 5

Die Probe für den Klon

Ist die Stimme eines Sprechers Custom voice, schneidet Subtitld eine Probe dieses Sprechers aus dem Audio des Projekts:

seinen längsten Untertitel zwischen 3 und 12 Sekunden;
passt keiner, die ersten 12 Sekunden eines längeren;
sind alle kürzer als 3 Sekunden, mehrere hintereinander, zusammengefügt, bis sie mindestens 3 Sekunden ergeben.

Haben Sie für dieses Video die Musik von der Stimme getrennt, stammt die Probe nur von der Stimme. Default voice reference in den Einstellungen der Erweiterung wird nur verwendet, wenn keine Probe geschnitten werden kann, etwa ohne geöffnetes Video.

Subtitld behält die Probe jedes Sprechers und schneidet sie nur neu, wenn sich die Audiodatei ändert. Nachdem Sie die Zeiten eines Sprechers verschoben haben, löschen Sie seine Probe, um eine neue zu bekommen. Ihr Name endet mit dem Namen des Sprechers.

System	Ordner
Linux	`~/.cache/subtitld/clone-refs`
macOS	`~/Library/Caches/subtitld/clone-refs`
Windows	`%LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs`

Modelle

Die eingebauten Stimmen brauchen das Modell CustomVoice, der Klon braucht Base. Jedes wird beim ersten Erzeugen einer Zeile heruntergeladen, die es nutzt. Ein Projekt mit beiden belegt daher rund 7 GB auf der Festplatte. Sie landen im Hugging-Face-Cache (~/.cache/huggingface/hub, sofern Sie nicht HF_HOME setzen), außerhalb des Ordners der Erweiterung. Daher behalten Aktualisieren oder Entfernen der Erweiterung sie.

Modell	Download	Geeignet für
qwen3-tts-1_7b-customvoice	3.4 GB	Die neun eingebauten Stimmen
qwen3-tts-1_7b-base	3.4 GB	Nur die Klonstimme
qwen3-tts-tokenizer-12hz	250 MB

Optionen

Die Erweiterung liest diese beim Start. Eine Änderung gilt daher, sobald sie fünf Minuten ungenutzt war, oder nach einem Neustart von Subtitld. Skip auto-extracted reference transcript ist die Ausnahme: Subtitld liest sie für jede Zeile.

In Einstellungen › Erweiterungen › Qwen3-TTS (offline, 1.7B) › Konfigurieren.

Inference device

Standard: cpu

Belassen Sie dies auf CPU. Die veröffentlichten Builds sind mit dem CPU-Paket von PyTorch erstellt, daher funktioniert CUDA mit ihnen nicht; MPS ist als Beta markiert.

Weight precision

Standard: auto

Auto wählt float32 auf der CPU und bfloat16 mit CUDA. float16 gilt nur mit CUDA; auf der CPU verwendet die Erweiterung stattdessen float32.

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

Standard: leer

Ein Clip, den die Klonstimme kopieren soll, wenn Subtitld keine Probe des Sprechers aus dem Video nehmen kann, etwa wenn kein Video geöffnet ist. Eine Probe aus dem Video hat immer Vorrang.

Default voice reference transcript

Standard: leer

Die Worte, die im oben genannten Standardclip gesprochen werden. Die Erweiterung verwendet sie bei jeder Probe, die ohne eigene Transkription ankommt, auch bei Proben aus dem Video. Lassen Sie das Feld deshalb leer, außer Sie verlassen sich auf den Standardclip.

Skip auto-extracted reference transcript

Standard: aus

Aktivieren Sie dies, damit der Untertiteltext nicht als Transkription mit der Probe geht. Der Klon arbeitet dann nur mit dem Klang der Stimme. Nützlich, wenn Ihre Untertitel das Gesagte umschreiben.

Sprachen

Subtitld übergibt die Sprache des Projekts ohne ihre Region, daher wird pt-br als Portugiesisch gelesen. Für eine Sprache außerhalb dieser zehn fällt eine eingebaute Stimme auf ihre eigene Sprache zurück, der Klon auf automatische Erkennung.

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

Plattformen

System	Download	Getestet
Linux x86-64	455.7 MB	In der CI gebaut und gestartet
macOS (universell)	345.8 MB	In der CI gebaut und gestartet
Windows x86-64	316.5 MB	In der CI gebaut und gestartet

Jede Version wird auf Linux, macOS und Windows gebaut. Die CI prüft, ob das Programm startet und seine Stimmen auflistet. Die CI erzeugt keine Sprache.

Fehlerbehebung

bad_paramsEntweder hat der Untertitel keinen Text, oder der Klon hat keine Probe bekommen: Subtitld konnte keine schneiden (kein Video geöffnet oder keine Untertitel für diesen Sprecher), und es ist kein Standardclip gesetzt. Geben Sie den Untertiteltext ein, öffnen Sie das Video oder setzen Sie Default voice reference.
internalDas Modell konnte nicht geladen werden oder die Zeile nicht sprechen; die Meldung nennt, welches. Auch ein fehlgeschlagener Download beim ersten Einsatz endet hier: Prüfen Sie Ihre Verbindung und den freien Speicherplatz und versuchen Sie es erneut. Haben Sie CUDA oder MPS gewählt, stellen Sie das Gerät zurück auf CPU.

Lizenz

Erweiterung

Apache-2.0

Engine

Apache-2.0

qwen-tts

Modelle

Apache-2.0

Qwen3-TTS-Gewichte

Für kommerzielle Arbeiten geeignet: Die Erweiterung, die Bibliothek qwen-tts und die Qwen3-TTS-Gewichte sind alle Apache-2.0.

Qwen3-TTS (offline, 1.7B)

Was es tut

Stimmen

Die Probe für den Klon

Modelle

Optionen

Sprachen

Plattformen

Fehlerbehebung

Lizenz

Versionen

Weitere Stimmen-Erweiterungen