Audio8 TTS (offline, voice clone, 11 languages)

功能说明

安装之前

与轻量的配音引擎相比，Audio8 TTS 对电脑的要求更高：

• 磁盘： 模型约 1 GB，在你配音第一句台词时下载。
• 内存： 说话时约 1.6 GB；第一次听到新的说话人时，会短暂升到最多 3 GB。
• 时间： 每秒语音需要两到三秒生成（Intel Core i7-13700T）。十分钟的视频可能需要大约半小时。
• 处理器： 任何 64 位 Intel 或 AMD 处理器，或 Apple Silicon。不使用显卡。

如果想快速配音，Sopro 或 Chatterbox 克隆声音的速度约为实时或更快，但支持的语言更少。

声音

在 说话人 标签页中，把 Audio8 TTS 设为某位说话人的 配音引擎，然后选择一个 音色。开启该说话人的 让配音适配字幕时长，即可把每句台词拉伸或压缩，以适配其字幕。

1 种语音.

Audio8 TTS 只有一个声音 Speaker's own voice，没有预设声音：每句台词都克隆一位说话人。Subtitld 会从项目的音频中为该说话人剪出一段样本：取自其一条 3 到 12 秒的字幕，或把几条短字幕拼接起来。如果你已为本视频分离出了音乐和人声，样本只取自人声。插件设置中的 Fallback reference clip 仅在无法剪出样本时使用。

Subtitld 会把字幕文字连同样本一起发送，Audio8 TTS 用它来更接近说话人。没有文字时，例如项目的原始语言没有设置，插件只根据样本的声音克隆，相似度会略低一些。如果你的字幕是对原话的意译而不是逐字转写，请开启 Don't send the subtitles of the reference clip。

每位说话人的第一句台词会多花几秒钟，因为插件要先听取其样本。插件会记住它，所以该说话人之后的台词会立即开始。

模型

只有一个模型 Audio8 TTS Preview 0.6B，采用其开发者为处理器发布的 4 位 ONNX 版本。它不在插件里：第一次配音时，会从 Hugging Face 按固定版本下载到 Subtitld 的共享模型缓存中，并校验每个文件。下载中断后会从中断处继续。更新或移除插件时模型会保留。

插件运行这个版本时不需要 PyTorch。在声音、台词和随机种子都相同时，它的输出与 Audio8 自己的运行时完全一致。

选项

在 设置 › 插件 › Audio8 TTS (offline, voice clone, 11 languages) › 配置 中。

语言

中文、粤语、日语、韩语、英语、荷兰语、法语、德语、意大利语、波兰语和西班牙语。从其中任一种语言的片段克隆出的说话人，也能说其他所有语言。其他语言的项目会收到相应的提示：请为它选择另一个配音引擎。

Audio8 称这个模型为预览版：这些是它推荐的语言。我们在每种语言中检查了一句话，使用的是 Whisper 和声音相似度评分，并没有逐一用耳朵试听每种语言。

• zh
• yue
• nl
• en
• fr
• de
• it
• ja
• ko
• pl
• es

平台

Linux x86-64、Apple Silicon 上的 macOS 和 Windows x86-64。每个版本都在这三个平台上构建，并且在每个平台上，CI 都会像 Subtitld 那样安装插件，下载模型并用它配音。

故障排除

• network_unavailable无法下载模型。请检查网络连接后重试：下载会继续。
• disk_full磁盘空间不足，无法存放模型，模型约 1 GB。
• unsupported_language项目的语言不在这十一种之中，或尚未设置。请在项目中设置语言，或选择另一个配音引擎。
• unsupported_voice项目指定了此版本没有的声音。请在 说话人 标签页中重新选择声音。
• bad_params台词没有文字，或者克隆的声音没有获得样本：请打开视频，或设置 Fallback reference clip。错误信息会说明是哪一种。
• out_of_memory电脑内存不足。请关闭其他程序：Audio8 TTS 需要约 3 GB 可用内存。
• internal插件内部出错；错误信息中有详细说明。

许可

可用于商业工作：插件为 Apache-2.0，Audio8 TTS 的代码和 Audio8 TTS Preview 0.6B 权重也都是 Apache-2.0。你制作的配音归你所有。克隆的声音听起来像真实的人：只克隆你有权使用的声音，并在必要时说明配音是合成的。