Mówi twoimi napisami w dziesięciu językach, z dziewięcioma wbudowanymi głosami albo klonem każdego mówcy wziętym z kilku sekund wideo. Działa na twoim komputerze, a jego wagi pozwalają na użycie komercyjne.

Co robi

Dziewięć głosów

Pięć chińskich (dwa mówią dialektami pekińskim i syczuańskim), dwa angielskie, jeden japoński i jeden koreański. Każdy potrafi czytać wszystkie dziesięć języków, ale brzmi najlepiej we własnym.

Klon z wideo

Wybierz Własny głos, a Subtitld daje modelowi kilka sekund tego mówcy, wyciętych z wideo. Potrzeba co najmniej 3 sekund.

Bliżej dzięki transkrypcji

Z wypowiedzianymi słowami w próbce klon jest bliższy mówcy. Bez nich działa z samego brzmienia, nieco mniej dokładnie.

Jeden model naraz

Wbudowane głosy i klon używają dwóch różnych modeli. W pamięci jest tylko jeden; przełączenie z jednego na drugi wczytuje go ponownie.

Głosy

W karcie Mówcy wybierz Qwen3-TTS jako Silnik dubbingu danego mówcy, a potem Głos. Własny głos jest na górze listy. Każda kwestia wychodzi tak długa, jak ją zrobi model; włącz Dopasuj dubbing do czasu trwania napisu, aby mówca rozciągał lub ściskał ją do napisu.

10 głosów w 4 językach.

en 2
ja 1
ko 1
zh-cn 5

Próbka do klonu

Gdy głos mówcy to Własny głos, Subtitld wycina próbkę tego mówcy z dźwięku projektu:

jego najdłuższy napis między 3 a 12 sekundami;
jeśli żaden nie pasuje, pierwsze 12 sekund dłuższego;
jeśli wszystkie są krótsze niż 3 sekundy, kilka z rzędu, połączone, aż osiągną 3.

Jeśli dla tego wideo oddzieliłeś muzykę od głosu, próbka pochodzi tylko z głosu. Domyślna referencja głosu w ustawieniach dodatku jest używana tylko wtedy, gdy nie da się wyciąć próbki, na przykład bez otwartego wideo.

Subtitld zachowuje próbkę każdego mówcy i wycina ją ponownie tylko wtedy, gdy plik audio się zmieni. Po przesunięciu kwestii danego mówcy usuń jego próbkę, aby dostać nową; jej nazwa kończy się imieniem mówcy.

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

Modele

Wbudowane głosy potrzebują modelu CustomVoice, a klon potrzebuje Base. Każdy pobiera się przy pierwszym wygenerowaniu kwestii, która go używa, więc projekt z obydwoma zajmuje około 7 GB na dysku. Trafiają do pamięci podręcznej Hugging Face (~/.cache/huggingface/hub, chyba że ustawisz HF_HOME), poza folderem dodatku, więc jego aktualizacja lub usunięcie je zachowuje.

Model	Pobranie	Dobry do
qwen3-tts-1_7b-customvoice	3.4 GB	Dziewięć wbudowanych głosów
qwen3-tts-1_7b-base	3.4 GB	Tylko głos klonowany
qwen3-tts-tokenizer-12hz	250 MB

Opcje

Dodatek odczytuje te ustawienia przy starcie, więc zmiana obowiązuje po pięciu minutach bez użycia albo po ponownym uruchomieniu Subtitld. Pomiń automatycznie wyciągniętą transkrypcję referencji jest wyjątkiem: Subtitld czyta je przy każdej kwestii.

W Ustawieniach › Dodatki › Qwen3-TTS (offline, 1.7B) › Konfiguruj.

Inference device

Domyślnie: cpu

Zostaw na CPU. Wydane wersje są zbudowane z pakietem PyTorch dla procesora, więc CUDA z nimi nie działa; MPS jest oznaczone jako beta.

Weight precision

Domyślnie: auto

Auto wybiera float32 na CPU, a bfloat16 z CUDA. float16 działa tylko z CUDA; na CPU dodatek używa float32.

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

Domyślnie: pusty

Klip, który ma skopiować głos klonowany, gdy Subtitld nie może pobrać próbki mówcy z wideo, na przykład bez otwartego wideo. Próbka z wideo zawsze ma pierwszeństwo.

Default voice reference transcript

Domyślnie: pusty

Słowa wypowiedziane w domyślnym klipie powyżej. Dodatek używa ich przy każdej próbce bez własnej transkrypcji, także z wideo, więc zostaw puste, chyba że polegasz na domyślnym klipie.

Skip auto-extracted reference transcript

Domyślnie: wył.

Włącz, aby tekst napisu nie szedł razem z próbką jako jej transkrypcja. Klon działa wtedy tylko z brzmienia głosu. Przydatne, gdy twoje napisy parafrazują to, co zostało powiedziane.

Języki

Subtitld przesyła język projektu bez regionu, więc pt-br jest czytane jako portugalski. Dla języka spoza tych dziesięciu wbudowany głos wraca do własnego języka, a klon do automatycznego wykrywania.

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

Platformy

System	Pobranie	Przetestowano
Linux x86-64	455.7 MB	Zbudowany i uruchomiony w CI
macOS (uniwersalny)	345.8 MB	Zbudowany i uruchomiony w CI
Windows x86-64	316.5 MB	Zbudowany i uruchomiony w CI

Każde wydanie jest budowane na Linuksie, macOS i Windows, a CI sprawdza, czy program startuje i wypisuje swoje głosy. CI nie generuje mowy.

Rozwiązywanie problemów

bad_paramsAlbo napis nie ma tekstu, albo klon nie dostał próbki: Subtitld nie mógł jej wyciąć (brak otwartego wideo lub napisów dla tego mówcy), a domyślny klip nie jest ustawiony. Wpisz tekst napisu, otwórz wideo albo ustaw Domyślna referencja głosu.
internalModel nie wczytał się albo nie wypowiedział kwestii; komunikat mówi które. Nieudane pierwsze pobranie też kończy się tutaj: sprawdź połączenie i wolne miejsce na dysku, a potem spróbuj ponownie. Jeśli wybrałeś CUDA lub MPS, ustaw urządzenie z powrotem na CPU.

Licencja

Dodatek

Apache-2.0

Silnik

Apache-2.0

qwen-tts

Modele

Apache-2.0

Wagi Qwen3-TTS

Można używać komercyjnie: dodatek, biblioteka qwen-tts i wagi Qwen3-TTS są wszystkie na licencji Apache-2.0.

Qwen3-TTS (offline, 1.7B)

Co robi

Głosy

Próbka do klonu

Modele

Opcje

Języki

Platformy

Rozwiązywanie problemów

Licencja

Wersje

Inne dodatki: Głosy