原站提供的展示图片。
- 代码许可：other
- 作者：arnabinthegame05
- 分类：AI 音频
- 名称：Free TTS with Multiple Voices and Tone Control
- 来源：Hugging Face Spaces
这款应用用于把输入文字转换为语音，并在生成时调整声音表现。使用者可以选择语音语言和内置音色，再根据内容需要控制说话速度、音高、响度及整体音色，使同一段文字呈现出更合适的听感。
核心功能
应用提供 58 种内置音色，可按名称选择，包含女性和男性声音选项。它支持 XTTS-v2 所支持的 17 种语言，生成结果以音频形式返回。应用不提供声音克隆，也不需要上传个人声音样本。
语气与音色调节
语速控制用于改变说话快慢，数值为 1.0 时代表正常语速；这项设置由语音模型在生成过程中处理。音高可以按半音升降，而不改变语速。音量以分贝调整，并带有峰值限制，以降低过载削波的风险。明亮度主要影响高频，使声音更清脆或更柔和；温暖度主要影响低频，使声音更饱满或更紧致。这些控制可以在一次生成中共同使用。
适用任务
它适合把讲稿、提示词、短篇文字或多语言文本转换为语音，用于需要不同声音角色或不同听感的音频制作。需要快速语音草稿时，可以先选择接近目标的内置音色，再用语速和音高调整表达节奏；需要改变声音质感时，可结合明亮度、温暖度和音量进行细化。
使用思路
先在文本区域输入希望朗读的内容，选择语音语言与音色，再根据文本类型设置语速。说明性内容可以从正常语速开始，较强调节奏的内容则可适当调整。随后分别尝试音高、音量、明亮度和温暖度，重点改变一个方向后再听取结果，便于判断每项设置对整体声音的影响。
运行与使用限制
应用可在共享 GPU 环境运行，也支持在本地使用 CPU 作为回退方式。若自行部署，首次运行需要下载 XTTS-v2 模型权重，约为 2GB，后续运行可使用缓存。该应用及其依赖的 XTTS-v2 模型仅限个人和非商业用途；商业使用需要为 XTTS-v2 获取单独的商业许可。
这款应用支持声音克隆吗？
不支持。它使用预置的 58 种内置音色，不提供声音克隆，也不需要上传声音样本。
音高调整会改变语速吗？
应用界面将音高描述为在不改变语速的情况下升高或降低声音。
可以用于商业项目吗？
不能按当前许可直接用于商业用途。XTTS-v2 采用 Coqui Public Model License，商业使用需要单独取得相关商业许可。