Piper (offline)
为视频中的每位说话人配上声音,在你自己的电脑上用 Piper 合成。可从 49 种语言的 158 个声音中选择;每个声音在首次使用时下载,无需显卡。
设置 插件 Piper TTS (offline) 安装
Subtitld 会下载它、校验其 SHA-256,并保持更新。
- 语言
- 59
- 语音
- 177
- 插件下载量
- 70–93 MB
- 内存,至少
- 512 MB
功能说明
选择 Piper 作为 配音引擎,然后为每位说话人挑选一个声音。生成全部语音 会为该说话人的台词配音:全部台词、一段区间或选中项。
某条台词用到某个声音时,它会从 Hugging Face 下载。此后即可离线使用。
声音一旦加载,就会留在内存中供后续台词使用,因此只有每个声音的第一句台词需要等待。
开启 让配音适配字幕时长 后,每个新的音频片段会加快或放慢,使其时长与字幕一致。原始音频片段也会保留。
声音
请选择与字幕语言相同的声音。音色 列表显示全部 158 个声音,每个名称都给出语言、地区和质量,例如 Amy (English, United States, medium)。无论项目使用什么语言,Piper 都会按该声音自己的语言和口音朗读。
质量分为 x_low、low、medium 和 high,质量越高,下载越大:x_low 声音为 20 到 27 MB,high 声音为 60 到 130 MB。大多数声音(158 个中的 109 个)为 medium。有些声音提供多种质量,例如美式英语的 Lessac 和 Ryan,分别有 low、medium 和 high 三种。
在为某位说话人完整配音之前,先用两三个声音试听一句台词。你试过的每个声音都会被下载并保留。
177 种语音 支持 59 种语言.
ar-jo2bg-bg1bn-bd1ca-es3cs-cz3cy-gb2da-dk1de-de10el-gr3en-gb11en-us27es-ar1es-es5es-mx3et-ee1eu-es2fa-ir5fi-fi2fr-fr7he-il1hi-in3hu-hu3hy-am1id-id1is-is4it-it4ka-ge1kk-kz3kn-in1ko-kr1ku1ku-tr1lb-lu1lv-lv1ml-in2mr-in1ne-np3nl-be4nl-nl6no-no2pl-pl5pt-br4pt-pt1ro-ro1ru-ru4si-lk1sk-sk1sl-si1sq-al1sr-rs1sv-se3sw-cd1ta-in2te-in3tr-tr1uk-ua5ur-pk2vi-vn3zh-cn2
声音保存位置
保存在插件自己的 models 文件夹中:每个声音一个 .onnx 文件,旁边有一个小的 .onnx.json 文件。
| 系统 | 文件夹 |
|---|---|
| Linux | ~/.local/share/subtitld/addons/piper-tts/models |
| macOS | ~/Library/Application Support/subtitld/addons/piper-tts/models |
| Windows | %LOCALAPPDATA%\subtitld\subtitld\addons\piper-tts\models |
更新会删除声音。 更新或卸载插件会替换这个文件夹,因此你用过的声音会在下次需要时重新下载。
选项
在 设置 › 插件 › Piper TTS (offline) › 配置 中。
此版本的插件不读取此设置。声音始终保存在插件自己的模型文件夹中(见下方“声音”)。
语言
每个声音只说一种语言、带一种地区口音,因此代码中带有地区信息:pt-br 与 pt-pt 是不同的声音。
ar-jobg-bgbn-bdca-escs-czcy-gbda-dkde-deel-gren-gben-uses-ares-eses-mxet-eeeu-esfa-irfi-fifr-frhe-ilhi-inhu-huhy-amid-idis-isit-itka-gekk-kzkn-inko-krkuku-trlb-lulv-lvml-inmr-inne-npnl-benl-nlno-nopl-plpt-brpt-ptro-roru-rusi-lksk-sksl-sisq-alsr-rssv-sesw-cdta-inte-intr-truk-uaur-pkvi-vnzh-cn
平台
| 系统 | 下载 |
|---|---|
| Linux x86-64 | 93.3 MB |
| macOS (通用) | 74.6 MB |
| Windows x86-64 | 70.4 MB |
每次发布前,CI 会构建每个下载版本,但不会用它进行试合成。
故障排除
某句台词失败时,它就会没有配音。以下是插件给出的原因。
model_missing无法下载该声音,或 Hugging Face 上没有它。请检查网络连接后重试;未完成的下载会被丢弃,因此下一次尝试会从头开始。internal声音无法加载,或语音合成失败。下载过程中磁盘空间耗尽也会归入此类:请释放一些空间后重试。bad_params字幕没有可朗读的文字。
许可
在将某个声音的音频用于商业用途之前,请在 Piper 声音列表中检查其许可:大多为 CC-BY,部分为 CC0 或自定义许可。
版本
- 26.10.2
Automated release for piper-tts v26.10.2.
其他语音插件
-
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。
-
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…