ANLEITUNG

Eigene TTS-Stimme auf Ihrer NVIDIA-GPU trainieren

Ein Text-to-Speech-Modell von Grund auf zu trainieren braucht Stunden sauberer Aufnahmen und ernsthafte Hardware. Die meisten brauchen das nicht: Sie brauchen eine neue Stimme, mit der ein gutes Modell spricht. Genau das trainiert SuperClonica: eine Stimme für Supertonic 3, ein offenes mehrsprachiges Modell, aus einer einzigen sauberen Aufnahme von 5 bis 10 Sekunden.

Dieser Leitfaden zeigt, was Sie brauchen, wie Sie Ihren Computer mit NVIDIA-Grafikkarte als Worker verbinden, wie das Training im Studio abläuft und wie Sie die fertige Stimme nutzen oder verkaufen. Training auf eigener Hardware ist kostenlos.

Stimmen ansehen SuperClonica-Engine installieren

Was trainiert wird und warum es schnell geht

Das Basismodell kann bereits 31 Sprachen sprechen. Das Training findet eine Stimme dafür: eine kleine JSON-Datei, die Timbre und Sprechweise Ihrer Aufnahme beschreibt. Deshalb reicht eine kurze Referenz, und deshalb läuft die fertige Stimme offline auf einem normalen Prozessor.

Anforderungen an den Computer

Der Worker-Client läuft unter Windows; der Modus wird auf der Worker-Karte gewählt, und im Modus Auto wartet der Worker auf freien Speicher und wechselt nach 15 Minuten zu Mini.

  • Windows 10/11 (64 Bit), eine NVIDIA RTX der 20er-Serie oder neuer (GTX 16 geht auch), Treiber 580 oder neuer.
  • Volle Qualität: Grafikkarte mit 12 GB Speicher (besser 16 GB) und 32 GB RAM.
  • Modus Mini: 8 GB Grafikspeicher und 16 GB RAM; die Stimme wird etwas weniger ähnlich.
  • 15 GB freier Speicherplatz und die Windows-Auslagerungsdatei eingeschaltet.

Schritt 1: Stimme und Referenz anlegen

Legen Sie im Studio eine Stimme an und fügen Sie eine Referenz hinzu: eine saubere Aufnahme von 5 bis 10 Sekunden mit ihrem genauen Text, Wort für Wort. Nehmen Sie in einem ruhigen Raum auf, ein Sprecher, gleichmäßige Lautstärke, in der gewünschten Sprechweise. Nutzen Sie Ihre eigene Stimme oder die einer Person, die zugestimmt hat.

Schritt 2: Computer als Worker verbinden

Öffnen Sie Meine Worker, fügen Sie einen Worker hinzu und laden Sie SuperClonicaWorker.zip herunter: den Client mit Ihrer worker.json, die die Plattformadresse und Ihren persönlichen Token enthält. Entpacken Sie das Archiv und starten Sie SuperClonicaWorker.exe. Beim ersten Start lädt er den Rest nach und aktualisiert sich danach selbst. Der Worker trainiert nur Ihre Stimmen.

Schritt 3: trainieren und Checkpoints vergleichen

Klicken Sie bei der Referenz auf Trainieren, wählen Sie die Zahl der Schritte und starten Sie; die Seite schätzt anhand früherer Trainings, wie lange 500 Schritte dauern. Vergleichen Sie während des Trainings die Checkpoints anhand ihrer Demos und der Ähnlichkeit zur Referenz und trainieren Sie den vielversprechendsten weiter.

Schritt 4: Stimme nutzen oder verkaufen

Laden Sie die JSON kostenlos auf der Trainingsseite herunter und vertonen Sie jeden Text offline mit der kostenlosen SuperClonica-Engine: python -m pip install superclonica-cpu, dann superclonica --text "Hallo!" --voice meine-stimme.json --lang de --output hallo.wav. Wenn Sie möchten, veröffentlichen Sie die Stimme im Katalog mit Cover, Beschreibung und Preis, oder nehmen Sie auf der Börse Stimmenaufträge anderer Nutzer an.