Parla i suoi sottotitoli in dieci lingue, con nove voci integrate oppure un clone di ciascun parlante tratto da pochi secondi del video. Gira sul suo computer, e i suoi pesi consentono l'uso commerciale.

Cosa fa

Nove voci

Cinque voci cinesi (due parlano i dialetti di Pechino e del Sichuan), due inglesi, una giapponese e una coreana. Ciascuna può leggere tutte e dieci le lingue, ma suona meglio nella propria.

Clonazione dal video

Scelga Custom voice e Subtitld fornisce al modello alcuni secondi di quel parlante, tagliati dal video. Ne servono almeno 3.

Più vicino con una trascrizione

Con le parole pronunciate nel campione, il clone si avvicina di più al parlante. Senza, lavora solo sul suono, un po' meno fedelmente.

Un modello alla volta

Le voci integrate e il clone usano due modelli diversi. In memoria ne resta solo uno; passare dall'uno all'altro lo ricarica.

Voci

Nella scheda Parlanti, scelga Qwen3-TTS come Motore di doppiaggio di un parlante, poi scelga una Voce. Custom voice è in cima all'elenco. Ogni battuta esce della durata che il modello le dà; attivi Adatta il doppiaggio alla durata del sottotitolo perché il parlante la allunghi o la comprima fino al suo sottotitolo.

10 voci in 4 lingue.

en 2
ja 1
ko 1
zh-cn 5

Il campione per il clone

Quando la voce di un parlante è Custom voice, Subtitld taglia un campione di quel parlante dall'audio del progetto:

il suo sottotitolo più lungo tra 3 e 12 secondi;
se nessuno rientra, i primi 12 secondi di uno più lungo;
se tutti sono più corti di 3 secondi, più di seguito, uniti fino a raggiungere 3.

Se per questo video ha separato la musica dal parlato, il campione proviene solo dalla voce. Default voice reference nelle impostazioni del componente viene usato solo quando non si può tagliare alcun campione, per esempio senza video aperto.

Subtitld conserva il campione di ogni parlante e lo ritaglia di nuovo solo se il file audio cambia. Dopo aver risincronizzato le battute di un parlante, elimini il suo campione per ottenerne uno nuovo; il suo nome termina con il nome del parlante.

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

Modelli

Le voci integrate richiedono il modello CustomVoice e il clone richiede Base. Ciascuno si scarica la prima volta che genera una battuta che lo usa, quindi un progetto con entrambi occupa circa 7 GB su disco. Vanno nella cache di Hugging Face (~/.cache/huggingface/hub, a meno che non imposti HF_HOME), fuori dalla cartella del componente, quindi aggiornando o rimuovendo il componente restano.

Modello	Download	Adatto a
qwen3-tts-1_7b-customvoice	3.4 GB	Le nove voci integrate
qwen3-tts-1_7b-base	3.4 GB	Solo la voce clonata
qwen3-tts-tokenizer-12hz	250 MB

Opzioni

Il componente legge queste impostazioni all'avvio, quindi una modifica si applica dopo cinque minuti senza uso, oppure dopo aver riavviato Subtitld. Skip auto-extracted reference transcript è l'eccezione: Subtitld la legge per ogni battuta.

In Impostazioni › Componenti aggiuntivi › Qwen3-TTS (offline, 1.7B) › Configuri.

Inference device

Predefinito: cpu

Lasci CPU. Le build rilasciate sono compilate con il pacchetto CPU di PyTorch, quindi CUDA non funziona con esse; MPS è segnato come beta.

Weight precision

Predefinito: auto

Auto sceglie float32 sulla CPU e bfloat16 con CUDA. float16 vale solo con CUDA; sulla CPU il componente usa float32.

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

Predefinito: vuoto

Una clip che la voce clonata copia quando Subtitld non riesce a prelevare un campione del parlante dal video, per esempio senza video aperto. Un campione dal video ha sempre la precedenza.

Default voice reference transcript

Predefinito: vuoto

Le parole pronunciate nella clip predefinita qui sopra. Il componente la usa con ogni campione che arriva senza una propria trascrizione, anche quelli dal video, quindi lo lasci vuoto a meno che non si affidi alla clip predefinita.

Skip auto-extracted reference transcript

Predefinito: disattivo

Attivi per evitare che il testo del sottotitolo accompagni il campione come sua trascrizione. Il clone lavora allora solo sul suono della voce. Utile quando i sottotitoli parafrasano ciò che viene detto.

Lingue

Subtitld invia la lingua del progetto senza la sua regione, quindi pt-br viene letto come portoghese. Per una lingua al di fuori di queste dieci, una voce integrata ricade sulla propria lingua e il clone sul riconoscimento automatico.

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

Piattaforme

Sistema	Download	Testato
Linux x86-64	455.7 MB	Compilato e avviato in CI
macOS (universale)	345.8 MB	Compilato e avviato in CI
Windows x86-64	316.5 MB	Compilato e avviato in CI

Ogni rilascio è compilato su Linux, macOS e Windows, e la CI verifica che il programma si avvii ed elenchi le sue voci. La CI non genera il parlato.

Risoluzione dei problemi

bad_paramsIl sottotitolo non ha testo, oppure il clone non ha ricevuto un campione: Subtitld non è riuscito a tagliarne uno (nessun video aperto, o nessun sottotitolo per quel parlante) e non è impostata alcuna clip predefinita. Dia testo al sottotitolo, apra il video, oppure imposti Default voice reference.
internalIl modello non si è caricato o non è riuscito a pronunciare la battuta; il messaggio indica quale. Anche un download fallito al primo uso finisce qui: controlli la connessione e lo spazio libero su disco, poi riprovi. Se ha scelto CUDA o MPS, riporti il dispositivo su CPU.

Licenza

Componente aggiuntivo

Apache-2.0

Motore

Apache-2.0

qwen-tts

Modelli

Apache-2.0

Pesi Qwen3-TTS

Va bene per uso commerciale: il componente, la libreria qwen-tts e i pesi Qwen3-TTS sono tutti Apache-2.0.

Qwen3-TTS (offline, 1.7B)

Cosa fa

Voci

Il campione per il clone

Modelli

Opzioni

Lingue

Piattaforme

Risoluzione dei problemi

Licenza

Versioni

Altri componenti aggiuntivi Voci