支持安卓手机的本地语音克隆

zyzyqpq

这次带来的是安卓本地部署的文本转语音软件。实测克隆效果不是很好，克隆效果挺玄学的，需要很多次不同音频尝试。
三件套安卓本地文生图(1-3分钟一张），本地gemma4无审查生成小黄文(平均6-8tok/s)，本地文本转语音，玩美了说是。

依旧重要的话放前面：
这个软件支持克隆的音色导入和导出，希望大家可以互帮互助，在评论区分享自己克隆好后觉得效果不错的音色。

只能读文本无法唱歌。

本软件只支持中文和英文，不支持日语和其他语言。支持本地api化调用。
作者建议音频时长推荐5s内，骁龙8gen2及以上的在内置下载npu模型推荐10s内，都是精度2或者4。
但实测推荐cpu时长使用10s左右，npu模型10s以上，推荐精度6，也可以上8，但超过8没啥明显提升，精度6克隆出来的质量和生成速度比较好一些。
生成时间长一点没关系，搭配另一个本地阅读软件可以缓存用起来也没差。（这个本地阅读软件好像也有语音克隆或者纯tts我没试过，感兴趣的可以自个试一下。）

项目地址是：https://github.com/sipeter/CloneTTS
搭配的阅读软件地址是（可直连）：https://read.finelink.ltd/#/

不要小看我的情报网啊，你正在因为打不开网站而急的团团转对吧。
https://pan.baidu.com/s/1xoXBUm5ez1z3c1NGk5cV2w?pwd=d874
没有密码

详细的使用教程：
首先是语音克隆软件的，打开后有内置三个音色，清雅、明朗、沉稳。
如果你是骁龙8gen2及以上的处理器先点左上角的三条杆，然后点击模型管理，下载npu模式的模型。（不是就跳过这一步）
第二步点击右上角的三个点，然后点击添加音色，点击外部选取导入音频（如果是录音室采样就是录音），然后正常填写。发音参考文本一定要正确，不能有错别字，断句也尽量一致。
最后一步就是预处理，如果你的音频有bgm或者杂音等情况必须选择底噪消除，否则生成出来的语音也有bgm或者噪音等情况。

然后是阅读软件
首先点最右边的我的，找到其他功能点进去，打开系统tts缓存功能（这一步是必须）。

如果你的音频大于作者推荐，实际使用时会出现句子之间的停顿，这时你先听个一章或者三四大段后（尽量长一些），再回到第一句开始读，这时就可以顺畅的听了。（原理是先前生成好的缓存了不用再生成，后面的依旧在生成中，语速正常或者慢一些基本上是追不上的）

最后附上木子沵的克隆效果示例，都是同一段长音频但分别是截取的前10秒和前30秒的长度。
示例.zip (149.66 KB, 下载次数: 17)

2026-8-19 15:31 上传

点击文件名下载附件