AI音频克隆TTS v2.0 3秒语音即可快速克隆音色

软件介绍

批量抠图软件 是一款Windows系统使用的完全本地化抠图工具。该软件不仅不需要联网，而且提供了多种批量抠图模式，适应不同场景的图片进行抠图操作，如：抠人像，抠动漫，抠衣物等，都提供了对应的抠图模型。软件无需安装，下载后解压即可打开使用！ AI音频克隆TTS 特点： 1. 超低延迟。 双向流媒体支持：CosyVoice2.0集成了离线和流媒体建模技术。 快速首包合成：在保持高质量音频输出的同时，实现低至150ms的延退 2. 高精度 改进的发音：与CosyVoice30相比，将发音错误减少50%到1.0%。 基准测试成就：在Seed-TTS评估集的硬测试集中获得最低的字符错误率 3. 稳定性强 音色一致性：确保零镜头和跨语言语音合成的可靠语音一致性。 跨语言合成：与1.0版本相比有显著改进

适用设备 电脑软件

软件截图

软件功能

1. 支持语言：中文、英文、日文、韩文、中国本地方言（包括：粤语、四川话、天津话、上海话、武汉话等） 2. 三种语音克隆模式： （1）3s音频克隆：输入文字，导入3s以上的wav参考音频，输入参考音频prompt文本，点击生成即可； （2）跨语种克隆：输入其他语种文字，导入3s以上的wav参考音频，输入参考音频prompt文本，点击生成即可； （3）自然语言控制：输入自然语言控制文本，比如用四川话说这句话，自然语言控制模式下，点击生成即可； 3. 文本添加：可以通过复制粘贴或者直接导入文本添加，支持txt文本或者srt字幕；

软件使用方法

1. 下载AI音频克隆TTS程序包，解压缩到任意目录文件夹中；（文件夹路径不能有中文） 2. 双击 AI音频克隆 启动程序，打开即可免费使用； 3. 推理模式按需选择即可，如果是中文普通话，直接使用3s音频克隆模式即可； 4. 选择参考音频：导入要克隆的wav格式音频，注意采样率不低于16khz，这种参考视频仅在3s音频克隆和跨语种克隆模式可用； 5. 参考音频文本：将你的参考音频语音文字化，将文字输入到此输入框中； 6. 点击开始生成，等待完成即可。