Supertonic (on-device, ONNX, 99M)

语音离线可选 GPU允许商用

使用 Supertonic 在你自己的电脑上为字幕配音。它是 Supertone 推出的 99M 参数 ONNX 模型,其十个预设声音都能朗读它全部 31 种语言,并且在 CPU 上运行。

在 Subtitld 中安装

设置 插件 Supertonic (on-device, ONNX, 99M) 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
32
模型
1
语音
10
插件下载量
46–78 MB
内存,至少
2 GB

功能说明

每位说话人一个声音

选择 Supertonic 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。

任意声音,任意语言

声音与语言无关。Supertonic 会用项目的语言朗读每句台词;若它不认识该语言,则采用语言无关模式。

只下载一次

首次配音时,模型会从 Hugging Face 下载:根据你选择的模型,大小为 200 到 400 MB。此后它直接从磁盘加载。

适配字幕时长

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

五个男声预设 M1 到 M5,五个女声预设 F1 到 F5。每个声音在所有语言中都保持其个性,只有发音会随语言变化。在为某位说话人完整配音之前,先用其中几个试听一句台词。

10 种语音.

模型

保持默认的 supertonic-3,除非你的字幕只有英语、韩语、西班牙语、葡萄牙语或法语。supertonic-2 覆盖这五种语言,下载更小(约 250 MB);supertonic 仅支持英语(约 200 MB)。可通过 模型 选项更改;上表列出的是默认模型。

模型 下载适合
supertonic-3
400 MB
31 种语言,其他文本以语言无关的方式朗读

模型保存位置

保存在你主文件夹的 .cache 中,以模型名称命名的文件夹里:默认模型为 ~/.cache/supertonic3。它位于插件之外,因此更新或卸载插件都会保留它。如需把模型保存在别处,请在启动 Subtitld 之前设置 SUPERTONIC_CACHE_DIR。

选项

Subtitld 在启动插件时把这些设置交给它。更改之后,要等插件重启才会生效:即闲置五分钟之后,或重启 Subtitld 时。

在 设置 › 插件 › Supertonic (on-device, ONNX, 99M) › 配置 中。

Model
默认: supertonic-3

使用三个模型中的哪一个(见上方“模型”)。每个模型在首次使用时下载。

Inference device
默认: cpu

本插件使用标准的 onnxruntime 构建,而非 onnxruntime-gpu,因此 CUDA 无法使用你的显卡。CPU 在所有平台都可用。

Quality (sampling steps)
默认: 8

步数越多,音频越干净,但耗时越长:快速预览用 5,默认 8,最多 12。

Language hint
默认: auto

此版本的插件不读取此设置,因此它始终以“自动”方式工作:使用项目的语言;若 Supertonic 不认识该语言,则采用语言无关模式。

Custom voice JSON (optional)
默认: 空

用 Supertone 的 Voice Builder 制作的声音。插件会把它作为第十一个声音提供,但 Subtitld 的“音色”列表只显示十个预设,因此你暂时无法选择它。

语言

Subtitld 会发送项目的语言,Supertonic 使用其两字母代码。没有语言的项目,或使用了 Supertonic 不认识的语言的项目,将以语言无关模式(na)朗读。以下是默认模型支持的语言。

  • ar
  • bg
  • hr
  • cs
  • da
  • nl
  • en
  • et
  • fi
  • fr
  • de
  • el
  • hi
  • hu
  • id
  • it
  • ja
  • ko
  • lv
  • lt
  • pl
  • pt
  • ro
  • ru
  • sk
  • sl
  • es
  • sv
  • tr
  • uk
  • vi
  • na

平台

系统 下载已测试
Linux x86-64 78.1 MB在 CI 中进行启动检查
macOS (通用) 49.1 MB在 CI 中进行启动检查
Windows x86-64 45.6 MB在 CI 中进行启动检查

每次发布前,CI 会检查每个构建版本能否启动并提供其十个声音。CI 中不进行语音合成。

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。

  • internalSupertonic 无法加载,或无法朗读该台词。第一句台词会下载模型(200 到 400 MB),因此请检查网络连接和剩余磁盘空间,然后重试。
  • unsupported_voice该台词保存的声音不是 Supertonic 的声音。请重新从 音色 列表中选择。
  • bad_params字幕没有可朗读的文字。

许可

插件
MIT
引擎
MIT
supertonic(Python 包)
模型
OpenRAIL-M
Supertonic-3 权重

在将音频用于商业用途之前,请阅读 Supertonic-3 模型卡片上的 OpenRAIL-M 条款;插件没有说明另外两个模型的许可。

版本

  • 0.0.2

    Automated release for supertonic v0.0.2.

其他语音插件

更新于 · 来自插件目录 报告此插件的问题