sipeter/CloneTTS

解决的问题

CloneTTS 是一个适用于 Android 的离线原生文本转语音（TTS）引擎，允许用户使用极短的音频样本克隆特定声音。它无需互联网连接，且不会将数据发送到外部服务器，为阅读书籍或长文本提供了一种私密、本地化的替代方案。

工作原理

该引擎使用零样本语音克隆声学模型（通过 ZipVoice）和高效的 C++ 推理管道（通过 sherpa-onnx）。用户只需提供 1-3 秒的音频片段及其准确的文本转录，即可创建自定义语音。该应用可注册为系统级 TTS 引擎，或通过本地 HTTP API 与外部阅读器应用（如 Legado 或 Moon+ Reader）集成。

适用人群

希望在阅读应用中实现高质量、自定义语音合成的 Android 用户，尤其是重视隐私和离线功能的用户。

主要亮点

• 离线语音克隆：仅需 1-3 秒语音即可创建自定义语音。
• NPU 加速：支持旗舰级高通骁龙设备（8 Gen 2/3/Elite）的硬件加速，实现更快的合成速度和更低的发热。
• 系统集成：可作为原生 Android TTS 引擎使用，或通过本地 HTTP API 与多角色阅读器集成。
• 自定义功能：支持发音纠正规则（纯文本或正则表达式）和可调的句子分割，实现更自然的停顿。
• 性能监控：内置基准测试和实时 RTF（实时因子）监控，用于追踪推理延迟。