Vakya 2.0 文字转语音

Vakya 2.0 文字转语音

把 11 种印度语言的文字转成语音，并能用一小段参考音频克隆声音。适合有权使用所克隆声音的研究者和学习者。

由 YashMachineLearning 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：Vakya 2.0 是基于 AI4Bharat 的 IndicF5 架构搭建的文字转语音演示场。你用 11 种印度语言之一输入文字，再给一小段参考音频，它就用那个声音把文字读出来。模型有 0.4B 参数，输出 24 kHz 的音频。

适合谁：如果你想试试印度语言的语音和声音克隆，并且只用你有权使用的声音，它就适合你，研究者和学生尤其合适。

行业 | 谁在用 | 怎么用 | 例子
研究 | 语音研究者 | 测试多种印度语言上的声音克隆 | 克隆一小段音频，读一句泰米尔语
教育 | 老师和学生 | 听地方语言的文字朗读 | 听一段印地语课文
内容 | 用自己声音的创作者 | 用自己不会说的语言配音 | 用自己的声音朗读一句马拉地语字幕
开发 | 开发者 | 在基于它开发之前评估小型 TTS 模型 | 检查语速设置如何改变结果

如果你需要它列表之外的语言，或者想在没有说话人许可的情况下克隆声音，可以跳过它。

用在哪里：

• 网页浏览器，打开 Hugging Face 上这个 Space 的页面
• 你自己的电脑，Windows、macOS 或 Linux

使用场景 | 谁用 | 得到什么
克隆声音 | 研究者 | 接近参考音频的语音
朗读文字 | 学习者 | 支持语言文字的音频
调整播放 | 开发者 | 更快或更慢的语速，范围 0.5x 到 2.0x

如何设置：

• 在线使用的话什么都不用装
• 在自己电脑上运行副本需要 Python
• requirements.txt 里的 Python 包
• packages.txt 里的系统包，由 Hugging Face 用 apt-get 安装

1. 打开 Hugging Face 上这个 Space 的页面，即可在线使用。
2. 要运行副本，先安装 huggingface_hub，再把这个 Space 下载到一个文件夹。
3. 进入该文件夹，安装指定版本的 Gradio，再安装列出的依赖包。
4. 用 Python 启动应用。

pip install -U huggingface_hub
hf download YashMachineLearning/indicF5 --repo-type space --local-dir indicF5
cd indicF5
pip install gradio==6.2.0
pip install -r requirements.txt
python app.py

如何使用：按页面从上到下的顺序操作。先加载模型，第一次运行可能要几分钟。然后添加参考音频，输入文字，再生成。参考音频请保持在 15 秒以内。

Tool | What it does
Load Model | 首次使用前下载并准备模型
Reference audio | 要克隆的声音的一小段音频
Reference text | 可选，音频里说的话，留空则自动转写
Text to generate | 要朗读的文字，任何支持的语言都行
Speed | 设置语速，范围 0.5x 到 2.0x
Remove Silences | 实验性选项，用来去掉停顿
Generate Speech | 生成音频

示例：点击 Load Model，上传一段不到 15 秒的你自己的声音，在文本框里输入一句印地语，再点击 Generate Speech。你会得到这句话的音频，声音接近你上传的那一段。

新手与专家：如果你是新手，先用你自己的声音片段，因为你显然有权使用它。清晰的音频有帮助，补充参考文字也有助于声音更匹配。

如果你熟悉这个领域，模型沿用 IndicF5 架构，README 说它用 1417 小时的语音训练。Space 列出的模型里有 Whisper、Qwen2.5 3B Instruct、Vocos 和 BigVGAN，不过 README 没有说明它们各自的作用。这个 Space 在 Hugging Face 的基础 CPU 硬件上运行，所以生成可能比较慢。

你加载模型
你添加一段简短的参考音频
你输入支持语言的文字
模型用克隆的声音读出来

注意事项：

• Languages: 十一种印度语言，其中有印地语、泰米尔语、泰卢固语、孟加拉语和马拉地语。
• License: MIT
• Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 的硬件上。
• Data it reaches: 你提供的参考音频和文字，以及它加载的模型文件。
• Not for: 未经明确许可克隆声音，README 禁止这样做。它用于研究和教育，滥用的责任由使用者承担。

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/YashMachineLearning/indicF5
• 文件：https://huggingface.co/spaces/YashMachineLearning/indicF5/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。