Đọc phụ đề của bạn bằng mười ngôn ngữ, với chín giọng có sẵn hoặc một bản sao giọng của mỗi người nói lấy từ vài giây video. Nó chạy trên máy tính của bạn, và trọng số của nó cho phép sử dụng thương mại.

Nó làm gì

Chín giọng

Năm giọng tiếng Trung (hai giọng nói phương ngữ Bắc Kinh và Tứ Xuyên), hai giọng tiếng Anh, một giọng tiếng Nhật và một giọng tiếng Hàn. Mỗi giọng có thể đọc cả mười ngôn ngữ, nhưng nghe hay nhất bằng ngôn ngữ của chính nó.

Nhân bản từ video

Chọn Custom voice và Subtitld cho mô hình vài giây của người nói đó, cắt từ video. Cần ít nhất 3 giây.

Gần hơn với bản chép lời

Với các từ được nói trong mẫu, bản sao gần giọng người nói hơn. Không có chúng, nó chỉ làm việc từ âm thanh, kém chính xác hơn một chút.

Một mô hình tại một thời điểm

Các giọng có sẵn và bản nhân bản dùng hai mô hình khác nhau. Chỉ một mô hình nằm trong bộ nhớ; chuyển từ cái này sang cái kia sẽ tải lại nó.

Giọng nói

Trong tab Người nói, chọn Qwen3-TTS làm Công cụ lồng tiếng của một người nói, rồi chọn một Giọng nói. Custom voice nằm ở đầu danh sách. Mỗi câu ra đúng độ dài mà mô hình tạo ra; bật Khớp bản lồng tiếng với thời lượng phụ đề để người nói kéo dài hoặc nén câu đó cho vừa phụ đề.

10 giọng nói bằng 4 ngôn ngữ.

en 2
ja 1
ko 1
zh-cn 5

Mẫu cho bản nhân bản

Khi giọng của một người nói là Custom voice, Subtitld cắt một mẫu của người nói đó từ âm thanh của dự án:

câu dài nhất của họ có độ dài từ 3 đến 12 giây;
nếu không có câu nào phù hợp, 12 giây đầu của một câu dài hơn;
nếu tất cả đều ngắn hơn 3 giây, nhiều câu liền nhau, nối lại cho đến khi đạt 3 giây.

Nếu bạn đã tách nhạc khỏi giọng nói cho video này, mẫu được lấy chỉ từ giọng nói. Default voice reference trong cài đặt của tiện ích chỉ được dùng khi không cắt được mẫu nào, chẳng hạn khi không mở video.

Subtitld giữ mẫu của mỗi người nói và chỉ cắt lại khi tệp âm thanh thay đổi. Sau khi bạn chỉnh lại thời gian các câu của một người nói, hãy xóa mẫu của họ để có mẫu mới; tên của nó kết thúc bằng tên người nói.

Hệ thống	Thư mục
Linux	`~/.cache/subtitld/clone-refs`
macOS	`~/Library/Caches/subtitld/clone-refs`
Windows	`%LOCALAPPDATA%\subtitld\subtitld\Cache\clone-refs`

Mô hình

Các giọng có sẵn cần mô hình CustomVoice, còn bản nhân bản cần Base. Mỗi mô hình được tải lần đầu bạn tạo một câu dùng nó, nên một dự án có cả hai sẽ chiếm khoảng 7 GB trên đĩa. Chúng nằm trong bộ nhớ đệm Hugging Face (~/.cache/huggingface/hub, trừ khi bạn đặt HF_HOME), nằm ngoài thư mục của tiện ích, nên cập nhật hoặc gỡ tiện ích không xóa chúng.

Mô hình	Tải về	Phù hợp với
qwen3-tts-1_7b-customvoice	3.4 GB	Chín giọng có sẵn
qwen3-tts-1_7b-base	3.4 GB	Chỉ giọng nhân bản
qwen3-tts-tokenizer-12hz	250 MB

Tùy chọn

Tiện ích đọc các tùy chọn này khi khởi động, nên một thay đổi có hiệu lực sau khi nó đã nhàn rỗi năm phút, hoặc sau khi bạn khởi động lại Subtitld. Skip auto-extracted reference transcript là ngoại lệ: Subtitld đọc nó cho mọi câu.

Trong Cài đặt › Tiện ích bổ sung › Qwen3-TTS (offline, 1.7B) › Cấu hình.

Inference device

Mặc định: cpu

Giữ ở CPU. Các bản dựng phát hành dùng gói CPU của PyTorch, nên CUDA không chạy được với chúng; MPS được đánh dấu là beta.

Weight precision

Mặc định: auto

Tự động chọn float32 trên CPU và bfloat16 với CUDA. float16 chỉ áp dụng với CUDA; trên CPU tiện ích dùng float32 thay thế.

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

Mặc định: trống

Một đoạn để giọng nhân bản sao chép khi Subtitld không lấy được mẫu của người nói từ video, chẳng hạn khi không mở video. Mẫu từ video luôn được ưu tiên trước.

Default voice reference transcript

Mặc định: trống

Các từ được nói trong đoạn mặc định ở trên. Tiện ích dùng nó cho mọi mẫu đến mà không có bản chép lời riêng, kể cả mẫu từ video, nên hãy để trống trừ khi bạn dựa vào đoạn mặc định.

Skip auto-extracted reference transcript

Mặc định: tắt

Bật để văn bản phụ đề không đi kèm mẫu như bản chép lời của nó. Khi đó bản sao chỉ dựa vào âm thanh của giọng. Hữu ích khi phụ đề của bạn diễn đạt lại điều được nói.

Ngôn ngữ

Subtitld gửi ngôn ngữ của dự án mà không kèm vùng, nên pt-br được đọc là tiếng Bồ Đào Nha. Với một ngôn ngữ ngoài mười ngôn ngữ này, giọng có sẵn quay về ngôn ngữ riêng của nó, còn bản nhân bản quay về tự động nhận diện.

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

Nền tảng

Hệ thống	Tải về	Đã thử
Linux x86-64	455.7 MB	Được dựng và khởi động trong CI
macOS (đa nền tảng)	345.8 MB	Được dựng và khởi động trong CI
Windows x86-64	316.5 MB	Được dựng và khởi động trong CI

Mỗi bản phát hành được dựng trên Linux, macOS và Windows, và CI kiểm tra rằng chương trình khởi động và liệt kê được các giọng của nó. CI không tạo giọng nói.

Khắc phục sự cố

bad_paramsHoặc phụ đề không có văn bản, hoặc bản nhân bản không có mẫu: Subtitld không cắt được mẫu nào (không mở video, hoặc không có phụ đề cho người nói đó) và không có đoạn mặc định nào được đặt. Thêm văn bản cho phụ đề, mở video, hoặc đặt Default voice reference.
internalMô hình không nạp được, hoặc không đọc được câu; thông báo cho biết cụ thể. Một lần tải thất bại khi dùng lần đầu cũng dừng ở đây: kiểm tra kết nối và dung lượng ổ đĩa, rồi thử lại. Nếu bạn đã chọn CUDA hoặc MPS, đặt lại thiết bị về CPU.

Giấy phép

Tiện ích bổ sung

Apache-2.0

Công cụ

Apache-2.0

qwen-tts

Mô hình

Apache-2.0

Trọng số Qwen3-TTS

Phù hợp cho công việc thương mại: tiện ích, thư viện qwen-tts và trọng số Qwen3-TTS đều là Apache-2.0.

Qwen3-TTS (offline, 1.7B)

Nó làm gì

Giọng nói

Mẫu cho bản nhân bản

Mô hình

Tùy chọn

Ngôn ngữ

Nền tảng

Khắc phục sự cố

Giấy phép

Phiên bản

Các tiện ích bổ sung Giọng nói khác