FireRedTTS3 新手指南：一句话克隆音色、文字捏声音、音频无痕修改！
如果你平时用过 Edge-TTS、GPT-SoVITS、F5-TTS 或 Index-TTS 等语音工具，那么小红书最新开源的 FireRedTTS3 会给你带来全新的体验。
相比常见 TTS 工具，它有什么不同与优势？
- 对比 Edge-TTS：Edge-TTS 只能用微软预设的声音，无法克隆；而 FireRedTTS3 支持真正的零样本声音克隆。
- 对比 GPT-SoVITS：GPT-SoVITS 仅支持中英日韩语言；FireRedTTS3 支持24种常见语言并且支持设计新声音。
- 全能特性：除了支持 24 种语言克隆外，它还支持**“用文字描述凭空捏声音”** 以及**“像修图一样无痕修改音频台词与音调”**
一、核心功能亮点
- 极速声音克隆
- 超低门槛：官方建议 5~20 秒，但实际上 1~3 秒的干净音频就能出效果（建议不低于 2~3 秒，太短会影响相似度）。上传音频及对应文本，AI 就能以极快速度用该音色朗读新文本。
- 文本一键捏声音
- 无需任何参考音频，直接输入：“一个年轻女性的温柔嗓音，语速稍慢”，AI 会自动生成专属音色。
- 智能语音编辑
- 输入指令即可无痕替换已有录音中的指定字词，或调节语速、音高。
二、 显存与版本选择（重要！）
官方原版地址 , 本人修改版地址 , 修改版移除了极易报错的 flash_attn 依赖，并提供了两个 webUI界面，请根据显存选择：
| webUI脚本文件 | 功能范围 | 显存门槛 | 适用场景 |
|---|---|---|---|
webui.py | 仅声音克隆 | ≥ 8G 显存 | 8G 显卡 / Colab 免费版推荐 |
webuiall.py | 克隆 + 设计 + 编辑 | ≥ 16G 显存 | 24G 显卡（如 3090/4090） |
❗ 注意：免费的 Google Colab 显存有限，请务必只运行
webui.py，若强行运行webuiall.py会因显存不足（OOM）报错闪退。
三、如何使用？
方式 1：Google Colab 云端免配置（无需本地显卡）
适合本地显存不足的用户（需能正常访问外网及拥有 Google 账号）：
- 打开云端运行链接：👉 点击直达 Colab 脚本
- 启动时请添加
--share参数（即python webui.py --share），运行后控制台会输出一个.gradio.live的公共链接，点击即可在浏览器直接使用。
方式 2：Windows 一键整合包（解压即用）
- 硬件要求：N卡（NVIDIA）且显存 $\ge$ 8GB。
- 下载地址： https://pan.baidu.com/s/12nry3XqWLxgb9xGL4yzLeA?pwd=1234
- 解压后运行相应启动脚本即可。第一次启动会下载TTS模型，总体积大约20G，建议提前备好稳定的科学上网方法，默认会使用国内镜像站，但可能较慢超时失败
启动后默认webui地址是http://127.0.0.1:7860,在浏览器中打开即可使用
方式 3：源码本地部署
bash
git clone https://github.com/jianchang512/FireRedTTS3
cd FireRedTTS3
pip install -r requirements.txt
# 启动克隆版（8G显存）
python webui.py
# 启动全功能版（需16G以上显存）
python webuiall.py启动后默认webui地址是http://127.0.0.1:7860,在浏览器中打开即可使用
💡 避坑小贴士
- 参考音频：录音尽量无背景音、无混响，长度建议保持在 3 秒以上以获得最佳音质。
- 方言支持：目前部分中文方言功能官方仍在优化适配中。