下载

Inflect (offline, lightweight English)

语音离线仅 CPU允许商用

使用 Owen Song 的 Inflect v2（一个参数不到 1000 万的模型），把你的字幕配音成自然的美式英语。它在你自己电脑的处理器上运行，无需显卡，也无需账号，速度是实时的许多倍。

在 Subtitld 中安装

设置 插件 Inflect (offline, lightweight English) 安装

Subtitld 会下载它、校验其 SHA-256，并保持更新。

GitHub 上的源代码
语言
1
模型
2
语音
2
插件下载量
35–45 MB
内存，至少
512 MB

功能说明

以其体积而言很自然

Inflect v2 的参数不到 1000 万，听起来却接近大好几倍的模型。一个美式英语声音，24 kHz。

在任何电脑上都很快

在台式机处理器上，Micro 的说话速度约为实时的 13 倍，Nano 约为 30 倍。即使只用一个核心，两者也都比实时快。内存占用不到 300 MB。

第一句之后即可离线

每个模型在其声音第一次说话时下载：Micro 38 MB，Nano 16 MB。此后，没有任何内容会离开你的电脑。

可免费用于商业工作

模型为 Apache-2.0，插件为 GPL-3.0-or-later。你制作的配音归你所有。

声音

在 说话人 标签页中，把 Inflect 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。

2 种语音 支持 1 种语言.

  • en-us 2

两个声音是同一位合成的美国男性，由模型作者在不使用真人录音的情况下制作：Micro 听起来更自然一些，Nano 更小、更快。Inflect 不克隆声音。要用说话人自己的声音配音，请选择 Sopro 或 Chatterbox 等声音克隆引擎。

每句台词每次都用相同的种子朗读，因此用同一个声音重新给一句台词配音，会得到相同的音频。

模型

模型不在插件里。每个模型在其声音第一次说话时，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。

模型 下载适合
Inflect-Micro v2 (9.4M, ONNX) 默认 inflect-micro-v2
38 MB
质量最好，速度约为实时的 13 倍
Inflect-Nano v2 (4.0M, ONNX) inflect-nano-v2
16 MB
最小、最快，速度约为实时的 30 倍，自然度略低

插件运行的是 Inflect 作者发布的 ONNX 版本，不需要 PyTorch。我们在相同的台词上把它和作者自己的代码做了比较：作者测试集中全部 412 个句子的读音都相同，两个模型的音频也都相同。

选项

在 设置 › 插件 › Inflect (offline, lightweight English) › 配置 中。

CPU threads
默认： 0

设为 0 时使用电脑一半的逻辑处理器，最多 8 个。线程越少，配音时电脑越流畅。

Speaking pace
默认： 1

Inflect 本身说话的速度：1.0 是它的自然语速，1.2 快 20%。是模型本身说得更快或更慢，音频不会被拉伸。

Variation
默认： 0.667

0 平淡且每次都一样，越高越生动。0.667 是 Inflect 自己的默认值。

语言

仅支持英语。任何英语项目（美式、英式、澳式……）都用美式声音朗读。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。

数字、价格、日期、时间和常见缩写会读成文字：“$3.50”会读成“three dollars and fifty cents”。少见的人名、地名和其他语言的单词可能会读错。

  • en-us

平台

系统 下载已测试
Linux x86-64 45.3 MB在真实机器上和 CI 中用两个模型配音
macOS (Apple 芯片) 40.4 MB在 CI 中用两个模型配音（Apple Silicon）
Windows x86-64 35.3 MB在 CI 中用两个模型配音

Linux x86-64（2018 年以来的任何发行版）、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，下载两个模型并用它们配音。

故障排除

  • network_unavailable无法下载模型，或者下载的文件未通过校验而被丢弃。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：Micro 需要 38 MB，Nano 需要 16 MB。
  • unsupported_language项目的语言不是英语，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。请写好字幕后重新配音。
  • out_of_memory电脑内存不足。请关闭其他程序：Inflect 需要约 300 MB。
  • internal插件内部出错；错误信息中有详细说明。

许可

插件
GPL-3.0-or-later
因为它包含 espeak-ng
引擎
GPL-3.0-or-later, MIT
espeak-ng 把文字转换成读音；来自 Microsoft 的 ONNX Runtime 运行模型
模型
Apache-2.0
Inflect-Micro v2 和 Inflect-Nano v2 权重，来自 Owen Song

可用于商业工作。Inflect v2 模型和作者的代码均为 Apache-2.0。插件为 GPL-3.0-or-later，因为它包含把文字转换成读音的 espeak-ng；每个版本都附有插件的完整源代码，包括 espeak-ng 的源代码。许可证约束的是插件，而不是你用它制作的内容：你制作的配音归你所有。模型作者要求绝不要把它生成的语音冒充为真人的录音。

版本

  • 26.11.1

    Offline English text-to-speech for Subtitld with Inflect v2: a natural American English voice at 24 kHz from a model of under 10M parameters, many times faster than real time on the CPU. Two voices: Inflect Micro (best quality, 38 MB) and Inflect Nano (16 MB, faster).

    The archive holds the add-on, ONNX Runtime and espeak-ng with its English data. Each model downloads the first time its voice speaks, at a pinned revision, checked by sha256.

    The add-on is GPL-3.0-or-later, because it bundles espeak-ng (GPL-3.0-or-later); the Inflect v2 models are Apache-2.0. Each archive carries THIRD_PARTY_LICENSES/ with the licence of everything frozen into it. The complete corresponding source is inflect-<version>-source.tar.gz in this release. The Linux archive also carries libquadmath (LGPL-2.1, with numpy); its source is inflect-<version>-libquadmath-source.tar.gz.

其他语音插件

更新于 · 来自插件目录 报告此插件的问题