|
dots.tts 文本转语音项目
声音克隆 · 批量任务 · SRT 字幕配音 · 48kHz 高音质 · 全程离线
📌 这是什么
dots.tts 是小红书 开源的 2B 参数全连续自回归 TTS 模型，48kHz 采样率，零样本声音克隆效果在 Seed-TTS-Eval 等多个评测上达到开源第一梯队（中文 WER 0.94%）。
整合包本地离线，支持批量队列、音色库、SRT 字幕多角色配音。
✨ 功能特色
- 批量任务队列——任务逐条排队合成，状态实时显示（等待/处理中/完成/失败），支持单条重试、试听、删除；关闭软件队列不丢，重开自动恢复
- 声音克隆——上传 3~10 秒参考音频+对应文字，即可用这个声音念任何文本；克隆好用的声音可一键存入音色库，下次直接下拉选择
- SRT 字幕配音——导入字幕文件按时间轴逐句配音，超长句自动 ffmpeg 变速压进字幕时间窗，全部完成后自动混成一条整轨音频，时间点和字幕完全对齐
- 多角色自动配音——字幕里写「张三：台词」，音色库里存过「张三」这个音色就自动绑定，没有的弹窗手动指派，做剧配音、视频解说极其省事
- 合并导出——批量任务可按顺序拼成一条完整音频（句间静音可调），导出前有清单面板预览会生成几个文件，还能再拼一个总文件
- 全程离线——整合包自带 Python 环境、ffmpeg、模型文件，启动器已锁死所有联网开关
🚀 三步上手
- 解压整合包，双击 启动.exe（首次合成时自动加载模型，约半分钟）
- 「创建任务」页：粘贴文本（或导入 TXT/SRT）→ 选音色（上传参考音频或选音色库）→ 点 ➕ 添加到任务队列
- 「任务列表」页：点 ▶ 开始等待，完成后试听满意的，不满意的选中重试（换个 Seed 再抽一次）
🎬 SRT 多角色配音教程
字幕文本支持三种说话人标记写法，任选其一：
- 1
- 00:00:01,000 --> 00:00:04,500
- 张三：今天我们聊一个有意思的话题。
- 2
- 00:00:05,000 --> 00:00:08,000
- [李四] 哦？什么话题，快说来听听。
- 3
- 00:00:08,500 --> 00:00:11,000
- <旁白> 两人的对话就这样开始了。
自动匹配规则：先在「设置 → 音色库管理」里把角色声音按名字保存（音色就叫“张三”“李四”），之后导入 SRT 时同名说话人自动绑定对应音色，全部匹配上连弹窗都不弹，直接添加任务开跑。
整组字幕合成完毕后自动按时间轴混音输出 文件名_整轨.wav，丢进剪辑软件和字幕严丝合缝。
🎛 参数速查
| 参数 | 默认 | 说明 | | Num Steps | 10 | 采样步数，越高越细腻越慢，10 已经很能打 | | Guidance | 1.2 | 引导强度，超过 2 音量能量会越来越大，不建议乱拉 | | Speaker | 1.5 | 音色贴近度，越大越像参考音频 | | Seed | 42 | 随机种子，同参数同种子=同结果；不满意点🎲换一个重试 | | 语言 | 不指定 | 支持 110+ 语言/口音标签（粤语、四川话、东北话都有） | | 文本规范化 | 关 | 数字、符号自动转读法，新闻类文本建议开 |
克隆小技巧：参考音频选 3~10 秒、干净无背景音的人声，并务必填写参考音频的文字转写（continuation 克隆模式），相似度明显高于只传音频。
💻 配置要求与实测
- 系统：Windows 10/11 64位
- 显卡：NVIDIA 显卡（CUDA），建议 8GB 显存起步；
- 输出：48kHz / 16bit 单声道 WAV
❓ 常见问题
- 问：不传参考音频能用吗？答：能，但底模是随机音色，每次声音都不一样，正经用法是配参考音频克隆
- 问：SRT 某句配出来比字幕时长长怎么办？答：软件自动调用 ffmpeg 变速压缩进时间窗，任务详情里能看到压缩比；压缩比太狠（>1.3）建议精简那句文案
- 问：任务失败了怎么看原因？答：任务列表里双击该任务，详情里有完整错误信息
- 问：模型放哪？答：整合包已内置 pretrained_models\dots_tts_model，也可以在设置页指向自己微调过的模型目录
dots.tts声音克隆工具，支持SRT字幕多角色配音，本地离线整合包
下载地址 ：https://pan.quark.cn/s/1ed27fbd9ae8
解压密码： aibbs.fun
本工具免费分享,无任何使用限制,本地离线可用
声明：dots.tts 模型与代码均为 Apache-2.0 开源协议。声音克隆请勿用于伪造他人声音、诈骗等违法用途，AI 生成音频请显著标注。
| 
窥视卡
雷达卡
发表于 
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
发表于