NAMAA Saudi TTS V2

NAMAA Saudi TTS V2

用一段简短的阿拉伯语片段和它的文字稿克隆声音，再用这个声音朗读你输入的任何阿拉伯语文本，带纳季方言风格。仅限非商用。只使用你有权使用的声音。

由 xiiqj 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：这是 NAMAA-Saudi-TTS-V2 的 Gradio 演示，一个约 3.35 亿参数的 F5-TTS 模型。它的训练从 Habibi-TTS 的沙特检查点开始，再加入 18.4 小时的纳季和沙特阿拉伯语录音。你给它一段简短清晰的片段和这段的文字稿，它就用同一个声音朗读新的阿拉伯语文本。

适合谁：有权使用某个声音的阿拉伯语内容创作者，以及想试试带方言特征的声音克隆的研究者或开发者。

Industry | Who uses it | How they use it | Example
媒体 | 阿拉伯语视频和音频创作者 | 用自己有权使用的声音朗读脚本 | 用自己的录音给一段短旁白配音
研究 | 语音研究者 | 试用带纳季风格的声音克隆 | 在不同质量设置下比较输出
软件 | 开发者 | 通过 API 或 MCP 调用 synthesize 函数 | 给阿拉伯语应用加上语音生成
教育 | 语言老师 | 做纳季风格的口语示例 | 给一节课录一个示范句

如果你需要商用、其他阿拉伯语方言或固定的内置声音，可以跳过它，因为它的许可是非商用的，输出偏纳季风格，而且必须提供参考片段。

用在哪里：

• 网页浏览器，在 Hugging Face 上这个 Space 的页面里
• 你自己的电脑，作为本地副本，前提是装好了 Python 3.12
• Python 程序，通过 Gradio 客户端和 synthesize 端点
• MCP 客户端，因为这个 Space 也把 synthesize 作为 MCP 工具提供

Use case | Who | What they get back
根据片段克隆声音 | 创作者 | 用你片段里的声音读出的阿拉伯语语音
调节速度和质量 | 研究者 | 按你的求解步数、速度和引导设置生成的语音
从代码调用 | 开发者 | API 返回的音频结果和状态

如何设置：

• 如果只用在线 Space，就什么都不用装
• 本地副本需要 Python 3.12 和 pip
• requirements.txt 里列出的 Python 包
• 一段 5 到 8 秒的清晰参考片段，以及它的准确文字稿

1. 想在线使用，就打开 Hugging Face 上这个 Space 的页面。
2. 想要本地副本，先安装 Hugging Face hub 包，再下载这个 Space。
3. 进入新文件夹，安装指定版本的 Gradio。
4. 安装 requirements.txt 里的包。
5. 用 Python 启动应用。

pip install -U huggingface_hub
hf download xiiqj/namaa-saudi-tts-v2 --repo-type space --local-dir namaa-saudi-tts-v2
cd namaa-saudi-tts-v2
pip install gradio==6.25.0
pip install -r requirements.txt
python app.py

页面点名 Habibi-TTS 和一个 Vocos 24 kHz 声码器是这套方案的组成部分。只使用你有权使用的声音。

如何使用：上传或录制一段 5 到 8 秒的清晰参考片段，单人说话，句子完整。输入这段片段的准确文字稿，因为这里有错会影响输出。再输入要朗读的阿拉伯语文本，然后点 Generate speech。

Tool | What it does
Generate speech | 用参考声音朗读你的文本
nfe_step | 求解步数，16 表示快，32 是默认，64 表示高质量
speed | 调整语速
cfg_strength | 调整模型遵循引导的强度
synthesize | 作为 Gradio API 端点和 MCP 工具提供的函数

用 Python 的话，README 展示了一次通过 Gradio 客户端的调用。

from gradio_client import Client, handle_file

c = Client("<namespace>/namaa-saudi-tts-v2")
audio, status = c.predict(
    ref_audio=handle_file("reference.wav"),
    ref_text="نص المرجع بالضبط",
    gen_text="النص المراد نطقه",
    api_name="/synthesize",
)

示例：你录一段 6 秒的清晰片段，读一句话，再把这句话原样输入为文字稿。然后你输入一行新的阿拉伯语，点 Generate speech。你会得到用你的声音读出这行新文字的音频。

新手与专家：如果你是新手，先用一个默认的参考片段和一段短文本。默认的是纳季和海湾样本，所以你可以在用自己的录音之前先听听效果。

如果你熟悉这个领域，这是一个从 Habibi-TTS 沙特检查点微调的扩散 Transformer。它学习的录音来自播客，所以背景的房间声音可能会混进结果里。高级设置还包括分块交叉淡化和静音移除。

你添加一段 5 到 8 秒的参考片段
你输入它的准确文字稿
你输入要朗读的阿拉伯语文本
模型用那个声音合成
你得到音频

注意事项：

• License: cc-by-nc-sa-4
• Cost to run: 没有提到费用，不过这个 Space 在 Hugging Face 的 zero-a10g 硬件上运行
• Data it reaches: 你提供的参考片段和文字稿，以及来自 Hugging Face 的模型文件
• Not for: 商用、未经许可克隆声音，或做欺骗性或冒充他人的音频，README 说它没有防止滥用的保护措施

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：cc-by-nc-sa-4.0

链接

• Space：https://huggingface.co/spaces/xiiqj/namaa-saudi-tts-v2
• 文件：https://huggingface.co/spaces/xiiqj/namaa-saudi-tts-v2/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。