Parler-TTS (offline, prompt-driven)
用 34 个具名声音之一朗读英语字幕,在你自己的电脑上运行。Parler-TTS 没有声音文件:它依据对声音的文字描述来生成语音,你也可以自己编写描述。它不支持克隆声音。
设置 插件 Parler-TTS Mini v1 (offline, prompt-driven) 安装
Subtitld 会下载它、校验其 SHA-256,并保持更新。
- 语言
- 1
- 模型
- 1
- 语音
- 34
- 插件下载量
- 284–436 MB
- 内存,至少
- 4 GB
功能说明
每个声音都对应模型训练时所用的一位说话人。插件会以适中的语速、贴近麦克风、无背景噪音的方式请求该说话人,因此同一个名字在每句台词中都会得到同一个声音。
在插件设置中写下一段描述,例如“低沉的女声,身处安静的房间”,所有 Parler 说话人都会改为遵循这段描述。
每句台词大约需要 10 到 30 秒。第一句台词还要等待模型下载。
它无法从视频中复制说话人的声音。如需这一功能,请使用 Qwen3-TTS、Coqui XTTS 或 F5-TTS。
声音
在 说话人 标签页中,把 Parler-TTS 设为某位说话人的 配音引擎,然后选择一个 音色。其中六个名字被标为推荐:Jon、Lea、Gary、Jenna、Mike 和 Laura。请为每位说话人取不同的名字,以免他们听起来相似。
每句台词的长度由模型决定。开启 让配音适配字幕时长,说话人的台词就会被拉伸或压缩,以适配字幕。
34 种语音 支持 1 种语言.
en34
模型
只有一个模型,在你第一次生成台词时下载。它保存在标准的 Hugging Face 缓存中(~/.cache/huggingface/hub,除非你设置了 HF_HOME),位于插件的文件夹之外,因此更新或删除插件会保留它。如需释放空间,请自己从那里删除。
| 模型 | 下载 |
|---|---|
| parler-tts-mini-v1 |
选项
插件在启动时读取这些设置,因此更改会在它闲置五分钟后,或在你重启 Subtitld 后生效。
在 设置 › 插件 › Parler-TTS Mini v1 (offline, prompt-driven) › 配置 中。
cpu请保持为 CPU。发布的构建版本使用 PyTorch 的 CPU 包,因此 CUDA 无法在其中运行;MPS 标记为测试版。
留空时,每个声音使用自己的描述。在这里输入的文字会取代项目中所有 Parler 说话人的描述,无论他们选择了哪个声音。内置描述都以说话人的名字开头,这样可以让一个声音在每句台词中保持一致,因此请以同样的方式开头来写你自己的描述。
语言
仅限英语。插件不读取项目的语言,因此会把每句台词都当作英语朗读。
en
平台
| 系统 | 下载 | 已测试 |
|---|---|---|
| Linux x86-64 | 436.3 MB | 在 CI 中构建并启动 |
| macOS (通用) | 302.9 MB | 在 CI 中构建并启动 |
| Windows x86-64 | 284.3 MB | 在 CI 中构建并启动 |
每个版本都在 Linux、macOS 和 Windows 上构建,CI 会检查程序能否启动并列出其声音。CI 不生成语音。
故障排除
internal模型无法加载,或无法朗读该台词;错误信息会说明是哪一步。首次使用时下载失败也会归入此类:请检查网络连接和剩余磁盘空间后重试。如果你选择了 CUDA 或 MPS,请把设备改回 CPU。bad_params字幕没有可朗读的文字。请为它添加文字,或将其从配音中排除。
许可
可用于商业工作:插件、parler-tts 库和模型权重均为 Apache-2.0 许可。
版本
- 1.0.2
Automated release for parler-tts v1.0.2.
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。
-
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。
-
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…