指南

为虚拟主播打造的文字转语音声音

并不是每位虚拟主播都想用自己的真声直播：有人要保护隐私，有人没法连说几个小时，有人用自己读得比说得好的语言直播。文字转语音让虚拟形象说出你输入的任何内容，而且用的是属于这个角色的声音。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

SuperClonica 为你的角色提供自然的声音，可免费在线试听，直播时在你自己的电脑上运行。本指南介绍如何选择声音、如何在直播中说出输入的台词，以及如何让这个声音真正属于你。

浏览声音 安装 SuperClonica 引擎

谁适合用文字转语音声音

文字转语音不是变声器：它说的是你输入的文字，而不是你对着麦克风说的话。

  • 不想在直播中使用自己真声的主播。
  • 用写得比说得好的语言直播的创作者。
  • 每场直播都需要同一个声音、又不想折腾麦克风的角色。
  • 把真人说话与 TTS 搭档或旁白结合起来的频道。

免费寻找声音

在任意声音页面输入一句 30 到 100 个字符的角色典型台词，选择语言并点击生成按钮。几秒后就能听出是否适合你的虚拟形象，无需注册。

直播中说出输入的台词

台词要短；直播中两句短话比一句长话听起来更自然。

  • 把引擎作为本地服务运行：docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu。
  • 用一个小脚本或快捷键把每句输入的台词发送到 POST /synthesize，并播放返回的 WAV。
  • 在普通处理器上，一个短句远不到一秒，延迟听起来就像说话前的停顿。
  • 提前生成口头禅和问候语，放到 Stream Deck 按钮上。

让虚拟形象开口说话

把 TTS 音频通过虚拟音频线送入虚拟形象软件，让它当作麦克风来听，嘴型就会跟着声音动；同样的音频也加入直播软件。为角色固定一个声音和一个 seed，每场直播听起来都一样。告诉观众角色使用的是合成声音，大多数观众都喜欢了解频道是怎么运作的。

真正属于你的声音

如果频道要盈利，请使用你拥有权利的声音。模型自带的十个标准声音 M1–M5、F1–F5 免费；想要独一无二的角色声音，可以用征得同意的配音演员的录音，在配有 NVIDIA 显卡的电脑上用 SuperClonica 工作室训练，或在交易所下单。目录中的角色和恶搞声音由粉丝制作，只用于玩笑和粉丝内容，不要作为你的人设的固定声音。