tiny-voca 离线、轻量英语

语音离线仅 CPU允许商用

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。

在 Subtitld 中安装

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。

GitHub 上的源代码
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

小巧而清晰

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。

无需下载

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。

在任何电脑上都很快

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。

可免费用于商业工作

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.

  • en 2

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
25 MB
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。

Speed
默认: 1

tiny-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。

CPU threads
默认: 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

插件
Apache-2.0
引擎
MIT
llama.cpp,负责运行模型并把文字转换成读音
模型
Apache-2.0
tiny-voca 权重,来自 Muhammed Nazeem;发音数据来自 dizione、CMU Pronouncing Dictionary(BSD-2-Clause)和 Google 的 Wikipedia Homograph Data

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

更新于 · 来自插件目录 报告此插件的问题