Paradee (offline, lightweight English)
使用 Sahil Mahendrakar 的 Paradee(一个从 Kokoro 蒸馏而来、800 万参数的模型),把你的字幕配音成自然的英语。四个声音,两个美式、两个英式,全部来自一个 8.5 MB 的模型。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。
设置 插件 Paradee (offline, lightweight English) 安装
Subtitld 会下载它、校验其 SHA-256,并保持更新。
- 语言
- 2
- 模型
- 1
- 语音
- 4
- 插件下载量
- 75–93 MB
- 内存,至少
- 512 MB
功能说明
Paradee 用 Kokoro 十分之一的参数学会了它的四个声音,听起来与它很接近。自然的英语,24 kHz。
Heart 和 Puck 说美式英语,Isabella 和 Fable 说英式英语,各有自己的发音:“tomato”“schedule”和“can't”都按各自口音的读法读出。
在一个处理器核心上,一句台词的生成速度约为实时的 17 到 20 倍。内存占用约 300 MB,无需显卡。
这个 8.5 MB 的模型在第一次朗读台词时下载。此后,没有任何内容会离开你的电脑。模型和插件都允许商业使用。
声音
在 说话人 标签页中,把 Paradee 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。
4 种语音 支持 2 种语言.
en-gb2en-us2
Heart 最接近 Kokoro;四个声音中,Isabella 与它差别最大。四个声音都来自同一个模型,所以切换声音不会下载任何东西。Paradee 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。
和 Kokoro 一样,这个模型会随机在声音里加入一点呼吸声和嘶嘶声。因此重新给一句台词配音时,这些地方听起来可能会有极细微的不同;字词、声音和时间都保持不变。
模型
模型不在插件里。它会在第一次朗读台词时,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 |
|---|---|---|
| Paradee 1.2 (7.9M, int8 ONNX, four voices) 默认 paradee-1.2 | 全部四个声音,在一个处理器核心上速度约为实时的 17–20 倍 |
插件运行的是 Paradee 作者发布的 ONNX 文件,不需要 PyTorch,并且用 Kokoro 自己的音素转换器,完全按照作者代码的方式把文字转换成读音。我们把它和作者的代码做了比较:两种口音下每个测试句子的读音都相同,四个声音的音频也都相同。
选项
在 设置 › 插件 › Paradee (offline, lightweight English) › 配置 中。
0设为 0 时使用一个线程,这已经比实时快许多倍。对这么小的模型来说,增加线程很少有帮助。
1Paradee 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。
语言
仅支持英语。任何英语项目(美式、英式、澳式……)都可以使用,每个声音都用自己的口音朗读。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,“read”或“record”这样的词会按句子的需要来读。音素转换器不认识的名字和其他语言的单词由 espeak-ng 朗读,可能会读错。
en-usen-gb
平台
| 系统 | 下载 | 已测试 |
|---|---|---|
| Linux x86-64 | 93.5 MB | 在真实机器上、在全新的 Debian、Ubuntu、Fedora 和 Arch 系统中以及 CI 中用全部四个声音配音 |
| macOS (Apple 芯片) | 75.2 MB | 在 CI 中用全部四个声音配音(Apple Silicon) |
| Windows x86-64 | 84.5 MB | 在 CI 中用全部四个声音配音 |
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,下载模型并用每个声音配音。
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:需要 8.5 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:Paradee 需要约 400 MB。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。Paradee 模型和作者的代码与 Kokoro 一样,均为 Apache-2.0。插件为 GPL-3.0-or-later,因为它包含 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。
版本
- 26.11.1
Offline English text-to-speech for Subtitld with Paradee 1.2: natural English speech at 24 kHz from an 8M-parameter model distilled from Kokoro-82M, many times faster than real time on the CPU. Four voices from one 8.5 MB model: Heart and Puck (American English), Isabella and Fable (British English).
The archive holds the add-on, ONNX Runtime, misaki (Kokoro's phonemizer) with spaCy's small English pipeline, and espeak-ng with its English data. The model downloads the first time a line is spoken, 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 Paradee model and misaki are Apache-2.0, spaCy and its English pipeline MIT. Each archive carries
THIRD_PARTY_LICENSES/with the licence of everything frozen into it. The complete corresponding source isparadee-<version>-source.tar.gzin this release. The Linux archive also carries libquadmath (LGPL-2.1, with numpy); its source isparadee-<version>-libquadmath-source.tar.gz.What's Changed
- Paradee add-on: lightweight offline English text-to-speech by @jonata in https://github.com/Subtitld/addon-paradee/pull/1
- Parity test: allow other CPUs' int8 rounding by @jonata in https://github.com/Subtitld/addon-paradee/pull/2
New Contributors
- @jonata made their first contribution in https://github.com/Subtitld/addon-paradee/pull/1
其他语音插件
-
Piper 离线
49 种语言的 158 个离线声音,每个都是单独的小型下载。
-
Kokoro 离线
9 种语言的 54 个离线声音,全部来自同一个 82 MB 的模型。
-
Supertonic 离线
十个离线声音,每个都能朗读其全部 31 种语言。
-
sanoTTS 离线
微型离线声音,14 种语言共 28 个,每个都不到 10 MB。
-
Parler-TTS 离线
由文字描述驱动的英语声音,共 34 个具名说话人。
-
Qwen3-TTS 克隆
十种语言,九个声音,并可从 3 秒的说话人声音进行克隆。
-
Coqui XTTS 克隆
16 种语言的声音克隆,模型许可仅限非商业用途。
-
F5-TTS 克隆
仅提供声音克隆,支持英语和中文;模型为非商业用途。
-
VoxCPM2 克隆
48 kHz,30 种语言,用说话人自己的声音或描述出的声音。占用资源较多。
-
Pocket TTS 离线
快速轻量,仅用 CPU。七种欧洲语言,23 个声音。
-
Sopro 克隆
说话人自己的声音,在 CPU 上也很快。四种语言。
-
KittenTTS 2 克隆
说话人自己的声音,16 种语言,在 CPU 上运行。权重采用限制性许可。
-
Ming-3.0-tts 克隆
44.1 kHz,7 种语言:克隆、内置或描述出的声音,带情绪。占用资源较多。
-
Scylla's Band 离线
14 个声音,六种语言,在 CPU 上轻快运行。仅限内置声音。
-
Audio8 TTS 克隆
说话人自己的声音,11 种语言,包括粤语。在 CPU 上较慢。
-
Inflect 离线
小小的模型,自然的英语语音,在任何 CPU 上都很快。
-
Chatterbox 克隆
Offline TTS in 20 languages, in the speaker's own voice cloned from a few seconds of the video or in one of 8 preset…