Audio.cpp 本地文字配音 (TTS) 与声音克隆使用指南

自 v4.16 版本起，软件新增了轻量、高效的本地 TTS 后端 audio.cpp。该后端支持多款顶尖的开源语音模型，主要用于本地声音克隆以及通过参考音频进行文字配音。

WARNING

⚠️ 重要权限提示（Windows 用户必读）

在 Windows 系统上，请务必以“管理员身份运行”本软件。否则在调用 audio.cpp 引擎时可能会因底层调用权限不足而报错中断。

一、下载并安装 audio.cpp 运行组件

audio.cpp 需要系统底层二进制执行文件（audiocpp_cli）的支持：

1. 自动下载（推荐）

Windows / macOS：软件内置了自动下载机制，首次使用时会自动下载适配当前系统的预编译包：
- Windows 默认自动下载：bin-windows-x64-cuda12.4.zip
- macOS 默认自动下载：bin-macos-arm64-metal.tar.gz
Linux / Ubuntu：暂不支持自动下载，需按下方步骤手动配置。

2. 手动下载与特殊配置

如果自动下载较慢，或想使用其他显卡如intel/amd显卡加速，可前往 audio.cpp 官方 Releases 手动下载：

操作系统	显卡类型	推荐下载版本
Windows	英伟达 (NVIDIA) 显卡	`bin-windows-x64-cuda` 相关版本
Windows	AMD 显卡 / 核显 / 纯 CPU	`bin-windows-x64-vulkan` 或 `bin-windows-x64-cpu`
macOS	Apple Silicon (M系列芯片)	`bin-macos-arm64-metal`
Linux	根据具体硬件环境	`bin-ubuntu-x64-cuda` / `cpu` / `vulkan`

解压安装路径：将下载的压缩包解压到 软件根目录/audio_cpp/ 文件夹中（若没有该文件夹可手动新建），确保该目录下能直接看到 audiocpp_cli.exe（Windows）或 audiocpp_cli（macOS/Linux）文件。

text

软件根目录/
  └── audio_cpp/
        ├── audiocpp_cli.exe (或 audiocpp_cli)
        └── ... 其他动态库文件

二、配置与使用

1. 打开配置界面

在软件顶部菜单栏点击：TTS设置 → Audio.cpp。

2. 功能操作说明

选择配音模型：下拉菜单中可选择你想使用的模型（默认推荐 omnivoice）。切换模型时，下方会实时提示该模型当前支持的语言。
测试 (Test)：
💡 测试注意事项：audio.cpp 属于声音克隆引擎，测试时需要调用参考音频。软件会自动读取你之前在 F5-TTS 中添加的参考音频。如果提示 “No reference audio exists”，请先在声音克隆设置中添加至少一条参考音频再点击测试。
保存 (Save)：保存当前选择的模型并关闭窗口。

三、内置模型介绍与支持语言

默认使用 omnivoice，兼容性最好且支持语言最全。第一次使用时会自动下载所需模型，无需手动下载

手动下载模型方法

模型自动下载后存放到 软件目录/audio_cpp/models/[该模型对应文件夹名]/模型gguf文件文件夹内。

你也可以手动下载，但注意，下载的模型格式是 .gguf 文件，需要放在对应文件夹名内，具体名称和下载地址可打开软件目录/videotrans/voicejson/audiocpp.json查看该模型数据。

"qwen3_tts": {
    "type": "tts",
    "file": "Qwen3-TTS-12Hz-1.7B-Base-GGUF/qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf",
    "url": "https://huggingface.co/audio-cpp/audio.cpp-gguf/resolve/main/Qwen3-TTS-12Hz-1.7B-Base-GGUF/qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf?download=true",
	"support_languages":["zh", "en", "ja", "ko", "de", "fr", "ru", "pt", "es", "it"],
    "is_reference_text": true,
    "is_language": false,
    "is_seed": false
  }

其中"file":值是文件夹名/模型文件名，例如"file": "Qwen3-TTS-12Hz-1.7B-Base-GGUF/qwen3-tts-12hz-1.7b-base-q8_0_v2.gguf",则模型文件夹为软件目录/audio_cpp/models/Qwen3-TTS-12Hz-1.7B-Base-GGUF

其中"url": 是下载地址，复制该地址到浏览器中打开，可下载 gguf 模型文件

📌 中文支持说明：除 chatterbox/irodori_tts 外，其余所有模型均支持中文。

模型名称	语言支持范围	特点与建议
omnivoice（默认）	支持软件所有内置语言	综合效果最佳，支持语言最多，推荐首选
qwen3_tts	中文、英语、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语和意大利语	语义理解与语调优秀
cosyvoice3	中、英、日、韩、德、西、法、意、俄、粤语 (yue)	阿里系列模型，中文表现及粤语极佳
fish_audio	支持 80+ 种主流语言	质量极高，多语言克隆推荐
voxcpm2	中、英、日、韩、德、法、俄、泰、越等 30 种语言	涵盖主流东南亚及欧洲多国语言
moss_tts_nano	中、英、德、西、法、日、意、韩、俄、阿等 19 语	轻量快速，适合低配置设备
moss_tts_local	中、英、德、西、法、日、意、韩、俄、阿等 19 语	重型模型质量更佳，需要更大显存内存，适合高性能显卡
confucius4_tts	中、英、日、韩、德、法、西、意、泰、越等 14 语	综合语音克隆模型
index_tts2	中、英、日、西、阿	基于 index_tts2.5，情感还原度高
breeze_tts	仅中文 (zh)、英文 (en)	专注于中英文合成
dots_tts	仅中文 (zh)、英文 (en)	专注于中英文合成
firered_audio	仅中文 (zh)、英文 (en)	专注于中英文合成
irodori_tts	仅支持日语(ja)合成	专注日语合成
higgs_audio_tts	支持 80+ 种主流语言	泛用性高，语音表现自然
chatterbox	英、法、德、意、西、韩等 19 种语言（不支持中文）	适合纯外语配音场景

四、进阶操作：手动添加新模型（高级用户）

⚠️ 警告：本步骤涉及 JSON 配置修改与命令行操作。普通用户无需修改，使用内置模型即可满足绝大多数需求。

audio.cpp 官方仓库支持的模型很多，如果你想体验官方更新的新模型，可按以下步骤手动接入：

第一步：确认模型是否支持声音克隆

访问 audio.cpp 官方 TTS 模型文档。
找到你要添加的模型，点击进入其详情页。
必须确保该模型文档中包含 Voice Cloning（声音克隆）示例，否则无法接入本软件。

第二步：获取模型参数与下载信息

在终端（Terminal / CMD）中执行以下命令（查询具体信息，避免文档更新滞后）：

bash

python tools/model_manager_v2.py info <你的模型家族名>

例如查看 higgs_audio_tts，控制台将输出类似：

yaml

id: higgs_audio_tts_4b_q8_0
family: higgs_audio_tts
target: Higgs-Audio-v3-TTS-4B-GGUF
file: Higgs-Audio-v3-TTS-4B-GGUF/higgs-audio-v3-tts-4b-q8_0.gguf

第三步：修改软件配置文件

打开文件：软件目录/videotrans/voicejson/audiocpp.json

在最后一个花括号前加上英文逗号 ,，并按以下模板追加你的模型配置：

json

  "你的模型唯一标识名称": {
    "type": "tts",
    "file": "模型文件相对路径",
    "url": "https://huggingface.co/audio-cpp/audio.cpp-gguf/resolve/main/模型文件相对路径?download=true",
    "support_languages": ["zh", "en"],
    "is_reference_text": true,
    "is_language": false,
    "is_seed": true
  }

参数配置对照表：

type：参考文档示例中的 --task 参数。如果示例中写的是 clon 则填 "clon"，若是 tts 则填 "tts"。
file：填入命令行输出中 file: 后面的完整路径。
url：固定格式为：https://huggingface.co/audio-cpp/audio.cpp-gguf/resolve/main/[这里替换为file的值]?download=true。
support_languages：该模型支持的语言缩写列表（若不清楚具体语言限制，可直接删除该行）。
is_reference_text：查看文档的 Voice Cloning 示例命令中是否包含 --reference-text，包含则为 true，否则为 false。
is_language：查看文档示例或Common Options命令中是否包含--language参数，包含则为 true，否则为 false。
is_seed：如果文档选项（Request Options）中支持 --seed，建议设为 true，否则设为 false。

保存文件后重新打开软件，即可在设置界面的模型下拉菜单中看到你新添加的模型。

Audio.cpp 本地文字配音 (TTS) 与声音克隆使用指南 ​

⚠️ 重要权限提示（Windows 用户必读） ​

一、下载并安装 audio.cpp 运行组件 ​

1. 自动下载（推荐） ​

2. 手动下载与特殊配置 ​

二、配置与使用 ​

1. 打开配置界面 ​

2. 功能操作说明 ​

三、内置模型介绍与支持语言 ​

四、进阶操作：手动添加新模型（高级用户） ​

第一步：确认模型是否支持声音克隆 ​

第二步：获取模型参数与下载信息 ​

第三步：修改软件配置文件 ​

参数配置对照表： ​