Confucius4-TTS Voice Clone

Confucius4-TTS Voice Clone

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

由 CharlesW 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是基于 Confucius4-TTS 的双栏声音克隆演示。你输入要朗读的文字，再给一个参考声音，它就用那个声音生成语音。界面是英文的，文字所用的语言会被自动检测。它在 Hugging Face 的 zero-a10g 硬件上运行。

适合谁：适合想用一小段音频测试声音克隆的人，也适合想看参考转写和语言路由如何处理的开发者。

Industry | Who uses it | How they use it | Example
内容创作 | 视频和播客制作者 | 用选定的参考声音朗读脚本 | 用一段干净样本的声音读一句短句
AI 研究 | 语音研究者 | 比较纯音频克隆和带转写引导的克隆 | 同一段音频，分别带转写和不带转写运行
软件 | 开发者 | 研究带自动识别的 Gradio TTS 应用 | 阅读 app.py 和路由文件

如果你需要用于生产的服务，可以跳过它，因为 README 说转写这条路径还是实验性的。

用在哪里：你可以在这些地方使用它：

• 浏览器：打开 Hugging Face 上这个 Space 的页面，不需要安装任何东西。
• Windows、macOS 或 Linux：用 Python 3.10 和 GPU 运行你自己的副本。

Use case | Who | What they get back
声音克隆 | 创作者 | 用参考声音朗读你文字的语音
跨语言使用 | 研究者 | 参考音频是一种语言、文字是另一种语言的语音
带转写引导的克隆 | 开发者 | 同时使用音频和它的转写的生成结果

如何设置：如果要在本地运行副本，你需要先准备：

• Python 3.10 和 pip
• packages.txt 里列出的系统软件包，Hugging Face 用 apt-get 安装它们
• 一块 GPU，因为模型和语义编解码器要占用显存

在线页面不需要这些。若要运行你自己的副本，请按下面的步骤操作。

1. 安装 Hugging Face 工具。
2. 把这个 Space 的文件下载到一个文件夹。
3. 进入那个文件夹。
4. 安装 Space 使用的版本的 Gradio，再安装其他依赖包。
5. 启动应用。

pip install -U huggingface_hub
hf download CharlesW/Confucius4-TTS --repo-type space --local-dir Confucius4-TTS
cd Confucius4-TTS
pip install gradio==5.50.0
pip install -r requirements.txt
python app.py

如何使用：在浏览器里打开这个 Space，或者用上面的命令启动你自己的副本。输入要朗读的文字，然后上传或录制一个参考声音。推荐 3 到 10 秒的清晰语音，最终的音频片段必须是 1 到 15 秒。转写步骤完成后点击 Generate。转写是可选的。

Tool | What it does
Target text | 接收要朗读的文字并检测它的语言，你可以手动更改
Reference audio | 接收上传或录制的声音，并自动开始转写
Reference transcript | 音频的可选文字，你可以修改或清除
Scissors tool | 让你从较长的上传里手动选一段
Audio Only | 忽略转写，只用音频
Generate | 生成语音

示例：你输入一句话，然后录几秒清晰的语音作为参考。应用会转写它，你更正其中的小错误，然后点击 Generate。它会返回用参考声音朗读你那句话的语音。

新手与专家：如果你是新手，先用一段简短清晰的音频试试 Audio Only。想看区别时，再加上转写。

如果你熟悉这个领域，正常合成调用已发布的 ConfuciusTTS generate API。转写这条路径增加了来自 MaskGCT 的语义编解码器和声学续写，README 称它是实验性的，并不保证每段录音的质量都已确认。转写使用 CPU 上的 Whisper large-v3-turbo，超过 30 秒的片段使用带时间戳的转写。

你输入要朗读的文字
你添加参考声音
Whisper 转写音频
模型克隆声音
你得到音频

注意事项：识别权重在第一次上传音频时下载，识别失败不会阻止纯音频生成。中文转写以简体字显示，你仍可能需要修正错误。

• License: Space 页面为 apache-2，但模型仓库是 CC-BY-NC-4.0，Space 自己的许可证不会改变这一点
• Cost to run: 未提及
• Data it reaches: 你上传或录制的参考音频，以及从 Hugging Face 下载的模型文件
• Not for: 超出该模型 CC-BY-NC-4.0 条款的用途

Hugging Face 上的数据（2026年11月13日）

• 点赞：10
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/CharlesW/Confucius4-TTS
• 文件：https://huggingface.co/spaces/CharlesW/Confucius4-TTS/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。