pyVideoTrans

Appearance

配音渠道 ​

配音（TTS）是视频翻译的第三步，将翻译后的字幕文本转换为语音音频。pyVideoTrans 支持 30+ 种配音渠道。

开箱即用（免费） ​

无需复杂配置，非常适合新手。

渠道说明推荐度
Edge-TTS(免费)微软免费接口，声音自然，支持所有语种⭐⭐⭐ 默认推荐
gTTS(免费)Google TTS，基础质量，国内需科学上网⭐⭐

⚠️ Edge-TTS 短时间内大量使用可能触发限流，建议在高级选项中将并发数设为 1，暂停秒数设为 5-10。

本地内置（免费） ​

首次使用时自动下载模型。

渠道说明GPU 加速支持克隆推荐度模型下载地址
Qwen3-TTS(本地内置)支持中文、英文、日文、韩文、德文、法文、俄文、葡萄牙文、西班牙文和意大利文✅✅⭐⭐⭐ 推荐https://huggingface.co/collections/Qwen/qwen3-tts/tree/main
F5-TTS(本地内置)中英日法德俄意、西班牙、印地、阿拉伯语✅✅⭐⭐⭐https://huggingface.co/SWivid/F5-TTS/tree/main
OmniVoice-TTS支持600种语言(v4.05起内置)✅✅⭐⭐⭐ 推荐https://huggingface.co/k2-fsa/OmniVoice/tree/main
MOSS-TTS-Nano(本地内置)中文、英文、德文、西班牙文、法文、日文、意大利文、匈牙利文、韩文、俄文、波斯文、阿拉伯文、波兰文、葡萄牙文、捷克文、瑞典文、希腊文、土耳其文❌✅⭐⭐https://huggingface.co/OpenMOSS-Team/MOSS-TTS-Nano-100M/tree/main
ZipVoice(本地内置)中英语言✅✅⭐⭐⭐ 推荐https://modelscope.cn/models/himyworld/videotrans/files
Piper(本地内置)轻量级，支持20种语言❌❌⭐⭐https://huggingface.co/rhasspy/piper-voices
ChatterBox(本地内置)阿拉伯语、德语、希腊语、英语、西班牙语、芬兰语、法语、希伯来语、印地语、意大利语、日语、韩语、马来语、荷兰语、挪威语、波兰语、葡萄牙语、俄语、瑞典语、斯瓦希里语、土耳其语、中文✅✅⭐⭐⭐ 推荐https://huggingface.co/ResembleAI/chatterbox/tree/main
Supertonic3(本地内置)英语、韩语、日语、阿拉伯语、捷克语、德语、希腊语、西班牙语、法语、印地语、匈牙利语、印尼语、意大利语、荷兰语、波兰语、葡萄牙语、罗马尼亚语、俄语、瑞典语、土耳其语、乌克兰语、越南语❌❌⭐⭐https://huggingface.co/Supertone/supertonic-3/tree/main
VITS(本地内置)中英配音❌❌⭐⭐https://modelscope.cn/models/himyworld/videotrans/files

因国内网络环境问题，加之模型都比较巨大，自动下载有可能失败，如果失败，请参考下方手动下载方式

专业云服务（需 API Key） ​

渠道说明推荐度
Azure TTS微软专业级语音服务⭐⭐⭐
OpenAI TTS声音技术领先⭐⭐⭐
字节语音合成2.0中文发音地道⭐⭐⭐
阿里 Qwen-TTS阿里云语音合成⭐⭐⭐
Gemini TTS谷歌 TTS⭐⭐
Elevenlabs.ioAI 音频技术公司⭐⭐⭐
302.AI聚合平台⭐⭐
Minimaxi需充值使用⭐⭐
小米 TTS小米 AI 开放平台⭐⭐
X.AI TTSx.ai 平台⭐⭐

本地自行部署（高阶） ​

渠道说明支持克隆推荐度
GPT-SoVITS支持中英日韩粤✅⭐⭐⭐ 推荐
Index-TTS中英✅⭐⭐⭐ 推荐
Confucius-TTS中文、英文、日语、韩语、德语、法语、西班牙语、印尼语、意大利语、泰语、葡萄牙语、俄语、马来语、越南语✅⭐⭐⭐
VoxCPM-TTS阿拉伯语、缅甸语、中文、丹麦语、荷兰语、英语、芬兰语、法语、德语、希腊语、希伯来语、印地语、印尼语、意大利语、日语、高棉语、韩语、老挝语、马来语、挪威语、波兰语、葡萄牙语、俄语、西班牙语、斯瓦希里语、瑞典语、他加禄语、泰语、土耳其语、越南语✅⭐⭐⭐
CosyVoice中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语✅⭐⭐
ChatTTS支持中英—⭐⭐
Fish-TTS支持内置所有语言—⭐
Kokoro-TTS中英韩意葡德法印地—⭐
Spark-TTS中英✅⭐⭐
clone-voice已不维护✅⭐

使用参考音频 ​

参考音频统一在菜单 → TTS设置 → 设置参考音频中处理。

操作步骤 ​

  1. 打开「参考音频」设置界面
  2. 在「参考音频」文本框中填写以下格式的内容：
音频文件名#该音频文件中对应的文字
  1. 将参考音频文件放置在 pyVideoTrans 项目根目录下的 f5-tts 文件夹内（如该文件夹不存在请手动创建）

示例 ​

假设你有一个音频文件 nverguo.wav，音频内容是「女儿国王说话」，则填写：

nverguo.wav#女儿国王说话

参考音频放到pyVideotrans软件内的f5-tts文件夹内，别搞错

参考音频和参考音频内文字

参考音频要求 ​

项目要求
格式WAV 格式（推荐），MP3 等格式也可
时长3~10 秒
内容发音清晰，无背景噪音
文字必须与音频内容一致