alexturkey/voxcpm2-turkce-ses-tasarimi

解决的问题

该项目提供了一种本地、注重隐私的方式，在普通硬件（特别是4 GB GPU）上设计和合成语音。它通过基于参考的逐句生成方法，解决了语音漂移问题——即长音频失去一致性的问题——从而保持音色和风格稳定。

工作原理

它使用VoxCPM2模型，并搭配一个修补过的音频引擎。您提供所需语音的文字描述，系统会生成多个变体。一旦您选定一个喜欢的变体，系统就会使用该特定录音作为参考来朗读您的文本。通过使用固定种子和参考逐句处理文本，它确保输出从头到尾保持一致。它包含一个本地Web界面和命令行工具，既可用于设计新语音，也可用于克隆您自己的语音（需获得明确许可）。

适用人群

它面向希望本地生成高质量合成语音而无需依赖云服务的用户。对于需要为视频、有声书或播客提供一致语音旁白的创作者尤其有用，并且针对VRAM有限的用户（如4 GB GTX 1050 Ti）或Apple Silicon Mac进行了优化。

亮点

• 完全本地运行，无数据通过网络发送。
• 包含14种现成的合成语音，支持8种语言（土耳其语、英语、法语、德语、西班牙语、俄语、中文和日语）。
• 针对低内存硬件优化（峰值VRAM约2.8 GB）。
• 包含适用于Windows的一键安装程序，并支持Apple Silicon。
• 提供“语音克隆”功能，供个人使用，并带有基于同意的保护措施。
• 通过自定义词典实现对发音的精确控制。