tiny-voca 离线、轻量英语
使用 Muhammed Nazeem 的 tiny-voca(一个 450 万参数的模型),用一个女声或一个男声把你的字幕配音成美式英语。它在你自己电脑的处理器上运行,速度是实时的几十倍,而且模型就在插件里:无需下载任何东西。
设置 插件 tiny-voca (offline, lightweight English) 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
- 2
- 插件下载量
- 33–43 MB
- 内存,至少
- 256 MB
试听
功能说明
一个 450 万参数的模型,是听起来仍然自然的模型中最小的之一:清晰的美式英语,24 kHz。
26 MB 的模型就在插件里。安装后立即可用,没有任何内容会离开你的电脑。
在笔记本电脑的处理器上,一句台词只需几百分之一秒就能生成,速度是实时的几十倍,无需显卡。
插件和模型均为 Apache-2.0,运行模型的 llama.cpp 为 MIT。
声音
在 说话人 标签页中,把 tiny-voca 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.
en2
共有两个声音,一个女声和一个男声,都是美式英语。tiny-voca 的作者根据文字描述创造了它们,并用合成语音训练模型:没有录制任何真人的声音。tiny-voca 不克隆声音。要用说话人自己的声音配音,请选择 Sopro 或 VoxMel 等声音克隆引擎。
模型
模型就在插件里,所以无需下载任何东西。它是 ggml-org 从 tiny-voca 转换而来的 GGUF,采用固定版本,并在构建插件时经过校验。
| 模型 | 大小 | 适合 |
|---|---|---|
| tiny-voca (4.5M) 默认 tiny-voca | 两个声音都由它生成;是插件的一部分 |
模型在 llama.cpp 中运行,许多人也用这个引擎来运行语言模型。llama.cpp 还负责把文字转换成读音,使用的是移植自 tiny-voca 自己的音素转换器、随模型一起提供的版本。
选项
在 设置 › 插件 › tiny-voca (offline, lightweight English) › 配置 中。
1tiny-voca 本身说话的速度:1.0 是它的自然语速,1.2 快 20%。Subtitld 中说话人的速率会在此基础上再作调整。是模型本身说得更快或更慢,音频不会被拉伸。
0设为 0 时最多使用四个线程,这已经远远快于实时。对这么小的模型来说,增加线程很少有帮助。
语言
仅支持英语。任何英语项目(美式、英式、澳式……)都可以使用,并以美式口音朗读。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、单位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。
en
平台
| 系统 | 下载 | 已测试 |
|---|---|---|
| Linux x86-64 | 42.6 MB | 在真实机器上以及全新的 AlmaLinux 8 和 Ubuntu 24.04 系统中用两个声音配音;在 CI 中,安装好的插件能用两个声音说话 |
| macOS (Apple 芯片) | 40.1 MB | 在 CI 中,安装好的插件能用两个声音说话(Apple Silicon) |
| Windows x86-64 | 33.1 MB | 在 CI 中,安装好的插件能用两个声音说话 |
Linux x86-64(2018 年以来的任何发行版,glibc 2.28 或更新)、Apple Silicon 上的 macOS 13.3 或更新版本,以及 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,并用两个声音配音。
故障排除
unsupported_language项目的语言不是英语。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。internal插件内部出错;错误信息中有详细说明。重新给这句台词配音会重启语音引擎。
许可
可用于商业工作。插件和 tiny-voca 模型均为 Apache-2.0,llama.cpp 为 MIT。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
The first release: lightweight English text-to-speech for Subtitld with tiny-voca, a 4.5-million-parameter model by Muhammed Nazeem.
- Two American English voices, a woman and a man, at 24 kHz. No voice cloning.
- Dozens of times faster than real time on a CPU: a line takes a few hundredths of a second.
- Numbers, prices, dates, times and units are read out as words.
- The model (26 MB) is part of the add-on: nothing to download.
- A Speed setting, which a speaker's Rate in Subtitld scales further.
- English only: a line in another project language gets a message saying so.
- Runs in llama.cpp's server, which the add-on starts on 127.0.0.1 and stops when it exits. The Linux archive runs on glibc 2.28 and newer.
The add-on and the tiny-voca weights are Apache-2.0; llama.cpp and ggml are MIT. Each archive carries THIRD_PARTY_LICENSES/, including the licences of the pronunciation data in the model (CMU Pronouncing Dictionary, Wikipedia Homograph Data).
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,23 种语言,包括粤语和阿拉伯语。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。
-
Paradee 离线
四个自然的英语声音,美式和英式,全部来自一个 8.5 MB 的模型。
-
BlueTTS 克隆
希伯来语和意第绪语,外加五种语言。说话人自己的声音,在 CPU 上也很快。
-
ZONOS3-Mini 克隆
43 种语言,从阿拉伯语到越南语。说话人自己的声音,在 CPU 上运行。
-
Reverb 克隆
七种欧洲语言,以及说话人自己的声音,在 CPU 上运行;模型为非商业用途。
-
OmniVoice 克隆
646 种语言,跨语言保留说话人自己的声音;模型为非商业用途。
-
VoxMel 克隆
英语和普通话,精准克隆说话人自己的声音。
-
Chatterbox 克隆
说话人自己的声音说 20 种语言,在 CPU 上运行,无需账号。