逼真的文字转语音：像真人一样说话的 AI 声音

是什么让文字转语音更逼真

语音是否像真人取决于三点：模型、声音和文本。SuperClonica 所基于的开源模型 Supertonic 3 会一次生成整句话，因此语调跟随句子的含义，而不是逐词朗读。

• 模型：用大量真实语音训练的神经网络。
• 声音：由真实说话人的干净录音制作，有自己的音色和风格。
• 文本：标点、数字和缩写按应读的方式书写。

由真实录音制作的声音

目录中的每个声音都用真实声音的录音训练：旁白、聊天式声音、游戏和电影角色。因此声音的区别不只是音高，还有音色、语速和风格。请先听试听音频，挑选适合文本氛围的声音。

写出听起来自然的文本

像人说话那样书写。短句比长句听起来更自然。在换气处加逗号，在意思结束处加句号，在需要上扬的地方加问号。读法特殊的数字、日期和缩写，请按希望的读法书写。

用自己的句子免费试听

在任意声音页面输入 30 到 100 个字符的句子并点击生成按钮，即可用这个声音听到你的文字，还能下载录音。这是判断声音是否真实的最快方法。

在自己的电脑上离线朗读长文本

整篇脚本或一章，请下载声音文件并安装免费的 SuperClonica 引擎：python -m pip install superclonica-cpu。然后一条命令即可朗读文本文件：superclonica --text "$(cat chapter.txt)" --voice narrator.json --lang en --output chapter.wav。引擎会在自然停顿处切分长文本并合并成一个文件，不需要显卡。

31 种语言的逼真语音

每个声音都能说 Supertonic 3 的全部 31 种语言，包括英语、日语、韩语、西班牙语、德语和印地语。声音在每种语言中都保持音色，原始录音的口音可能略有残留。暂不支持中文。