sipeter/CloneTTS

解決的問題

CloneTTS 是一款適用於 Android 的離線原生語音合成（TTS）引擎，允許使用者使用極短的音訊樣本克隆特定語音。它無需網路連接，且不會將資料傳送至外部伺服器，為閱讀書籍或長篇文字提供一種私密、本地化的替代方案。

工作原理

該引擎使用零樣本語音克隆聲學模型（透過 ZipVoice）和高效的 C++ 推理管道（透過 sherpa-onnx）。使用者只需提供 1-3 秒的音訊片段及其準確的文字轉錄，即可建立自訂語音。此應用可註冊為系統級 TTS 引擎，或透過本地 HTTP API 與外部閱讀器應用（如 Legado 或 Moon+ Reader）整合。

適用對象

希望在閱讀應用中實現高品質、自訂語音合成的 Android 使用者，尤其是重視隱私與離線功能的使用者。

主要亮點

• 離線語音克隆：僅需 1-3 秒語音即可建立自訂語音。
• NPU 加速：支援旗艦級高通 Snapdragon 裝置（8 Gen 2/3/Elite）的硬體加速，實現更快的合成速度與更低的發熱。
• 系統整合：可作為原生 Android TTS 引擎使用，或透過本地 HTTP API 與多角色閱讀器整合。
• 自訂功能：支援發音修正規則（純文字或正規表示式）與可調的句子分割，實現更自然的停頓。
• 效能監控：內建基準測試與即時 RTF（實時因子）監控，用於追蹤推理延遲。