指南

Silero TTS 的替代方案：面向商业项目

Silero 是俄语世界里首选的开源文字转语音：在处理器上速度快，俄语声音能自动标注重音，支持 SSML，还有覆盖前苏联地区数十种语言的模型，从哈萨克语到雅库特语。不过，它的大多数模型采用非商业许可 CC BY-NC 4.0。请注意：Supertonic 3 暂不支持中文。

免费的 SuperClonica 引擎同样可以在普通处理器上离线运行，支持 31 种语言，附带现成声音的目录，而且其模型许可允许商业使用。本指南如实比较，并说明什么时候 Silero 更合适。

浏览声音 安装 SuperClonica 引擎

Silero TTS 概览

对于哈萨克语、鞑靼语、乌兹别克语等该地区语言，以及非商业项目，Silero 是很容易推荐的选择。

  • 最新的俄语模型是 v5 系列，说话人为 aidar, baya, kseniya, xenia, eugene，支持 8、24 和 48 kHz。
  • 俄语模型会自动处理重音和同形异义词，并支持 SSML。
  • 其他 v5 模型覆盖哈萨克语、乌兹别克语、鞑靼语、巴什基尔语、白俄罗斯语、亚美尼亚语、格鲁吉亚语等该地区的许多语言。
  • Silero 基于 PyTorch 运行，需要支持 AVX2 的处理器；大多数模型采用 CC BY-NC 4.0，独联体基础模型采用 MIT。

免费对比音色

在任意声音页面粘贴一句你用 Silero 生成过的话，30 到 100 个字符，选择语言并点击生成按钮。几秒后就能用你自己的文本比较，无需注册。

SuperClonica 的不同之处

它在处理器上同样很快：在我们的测试中，短句在 Ryzen 7 5800X 的四个线程上用时 0.43 秒。

  • Supertonic 3 模型采用 OpenRAIL-M，在其禁止用途清单之外允许商业使用；引擎采用 Apache 2.0。
  • 无需 PyTorch：引擎基于 ONNX Runtime，一条命令即可安装（python -m pip install superclonica-cpu），也可使用带 HTTP API 的 Docker 镜像。
  • 31 种语言，包括俄语、乌克兰语、英语、日语、韩语、印地语、阿拉伯语和大多数欧洲语言。
  • 现成的声音：十个标准声音和 170 多个目录声音（其中许多用俄语录制），还可以使用你自己训练的声音。

俄语文本：重音、ё 和数字

SuperClonica 不支持 SSML，因此由文本本身决定朗读方式。俄语中请在需要处写出 ё，对读错的同形异义词换种说法或改写，并把数字写成文字：数字会按普通数字朗读，不会变格。在为长文本配音之前，请先用免费在线试用检查难句。

如何选择

如果需要中亚、高加索和伏尔加地区的语言、需要用 SSML 控制，或者是非商业工作，请选 Silero。如果是许可很重要的产品、频道或客户项目，需要角色和旁白声音、你自己训练的声音，或 Silero 不覆盖的欧洲和亚洲语言，请选 SuperClonica。