指南

Windows 文字转语音：自然的声音，离线保存为 WAV

Windows 可以用内置声音朗读文字，但它们是为读屏设计的，不是为了用角色声音制作音频文件。免费的 SuperClonica 引擎为你的电脑加入神经网络模型 Supertonic 3：它把语音保存为 WAV 文件，在普通处理器上离线运行，能说 31 种语言。请注意：Supertonic 3 暂不支持中文。

本指南介绍如何在 PowerShell 中安装、生成一句话或整个文本文件、把文本拖到脚本上转成音频，以及如何选择声音。

浏览声音 安装 SuperClonica 引擎

需要什么

模型内置的十个声音 M1 到 M5、F1 到 F5 可以直接使用；目录中的声音是 JSON 文件，用 --voice 传入。

  • Windows 10 或 11。
  • python.org 的 Python 3.10 或更高版本；安装程序会附带 py 启动器。
  • Supertonic 3 模型约需 400 MB 磁盘空间，只下载一次。
  • 不需要显卡：NVIDIA 显卡只是让它更快。

在 PowerShell 中安装

打开 PowerShell，一条命令安装引擎：py -m pip install superclonica-cpu。有 NVIDIA 显卡时，改装 superclonica-gpu-cuda：pip 会自动安装 CUDA 和 cuDNN。如果找不到 superclonica 命令，就用 py -m superclonica 调用，这样总能运行。

在 PowerShell 中生成语音

模型在首次运行时下载；之后引擎无需联网即可工作。

  • 一句话：py -m superclonica --text "Hello from Windows." --voice F1 --lang en --output hello.wav，然后 start hello.wav。
  • 整篇文档：在记事本中另存为 .txt，用 --text-file 代替 --text；长文本会在自然停顿处分段，再合成一个 WAV。
  • 其他语言修改 --lang，例如 de、es 或 ja。
  • 电脑繁忙时，用 --threads 4 限制处理器线程数。

拖放文本文件生成音频

新建一个 read.bat 文件，只写一行：py -m superclonica --text-file "%~1" --voice F1 --lang en --output "%~dpn1.wav" && start "" "%~dpn1.wav"。把任意 .txt 拖到 read.bat 上：引擎会朗读它，在文本旁边保存同名 WAV，并用播放器打开。可以在这一行里改声音或语言。

声音、显卡和训练

SuperClonica 目录中的每个声音都有一个页面，可以免费在线生成 30 到 100 个字符的句子。免费声音无需注册即可下载；付费声音一次购买后归你所有。此外，在 Windows 上还能训练自己的声音：工作室使用的 SuperClonica worker 运行在配有 NVIDIA RTX 20 系列或更新显卡、或 GTX 16 的 Windows 10 和 11 上。