MegaTTS3是抖音团队联合国内其他大学研发的一款语音合成及声音克隆应用,可实现零样本语音克隆及富有情感的自然语音合成。我基于当前最新版制作了免安装一键启动整合包。

MegaTTS3介绍
MegaTTS 3 是字节跳动(ByteDance)与浙江大学联合开发的开源零样本语音合成系统,基于轻量级扩散模型实现高质量、多语言语音克隆与合成。
主要特点
- 轻量级扩散模型(TTS Diffusion Transformer)
- 参数量仅 0.45B,通过逐步加噪与去噪生成语音,兼顾高效与高保真输出。
- 支持 10 步快速推理(CPU 约 30 秒生成语音),模型体积比传统 TTS 缩小 60%。
- 语音属性分解建模
将语音拆解为独立属性,针对性优化:- 音色:全局向量建模缓慢变化的音色特征;
- 韵律:潜在码语言模型捕捉语速、语调等动态变化;
- 内容:VQGAN 声学模型生成语谱图;
- 相位:基于 GAN 的声码器构建。
- 稀疏对齐算法
引入稀疏对齐边界引导扩散变换器(DiT),降低语音-文本对齐难度,提升自然度。
核心功能亮点
- 零样本语音克隆
- 仅需 5–24 秒 的目标说话人音频(24kHz WAV 格式),即可生成高度相似的语音,相似度评分超越主流模型。
- 需通过官方流程提取声学潜变量(
.npy
文件),与音频配对使用。
- 中英文混合合成
支持双语无缝切换,解决传统 TTS 跨语言断句生硬问题(如"这是一条带有accent的测试语句。"
)。 - 精细化语音控制
- 口音强度:通过参数
p_w
(可懂度权重)和t_w
(相似度权重)调节 - 韵律与情感:调整语速、语调,支持情感化输出(如惊喜、悲伤)。
- 口音强度:通过参数
- 高质量输出
在 SEED 测试集上,自然度(Naturalness)和相似度(Similarity)双指标领先竞品,MOS 评分达 4.6/5.0
MegaTTS3整合包使用说明
首先将网盘内的软件压缩包下载到本地电脑上并解压。双击【启动软件.exe】,软件成功启动后会自动打开webui界面。
如果想要实现声音克隆,需要先制作npy格式语音样本。
准备一个.wav格式,小于24s,音频素材,文件名中不要包含空格,上传到下方官方google网盘内
https://drive.google.com/drive/folders/1gCWL1y_2xu9nIFhUX_OW5MbcFuB7J5Cl
生成的npy文件可在下方链接下载
https://drive.google.com/drive/folders/1QhcHWcy20JfqWjgqZX1YM3I6i9u4oNlr?usp=sharing
你也可以使用官方的测试声音
https://drive.google.com/drive/folders/16HqXzo9ENrp1q2urmw0MV6QaHEIqZE-W
或是使用别人上传的声音
https://drive.google.com/drive/folders/1AyB3egmr0hAKp0CScI0eXJaUdVccArGB
在MegaTTS3 webUI上传wav音频素材和npy语音样本后,在inp_text里输入需要合成语音的文本内容,然后点击按钮submit即可开始生成语音。
注意事项
使用前先将英伟达显卡驱动更新到最新版本
软件程序运行路径中请不要有非英文字符及空格,待使用的素材文件同样注意
软件只支持Windows 10或11,不支持手机和MAC系统
建议英伟达显卡显存不低于6G
待合成语音文本长度不要超过200字符
声音克隆软件MegaTTS3整合包下载链接
https://pan.quark.cn/s/3321fbc51c2e
相关推荐
带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
高质量高性能文本转语音系统index-tts整合包下载,高效声音克隆软件
文本转语音及声音克隆软件Spark-TTS整合包下载
文字转语音神器工具CosyVoice 2.0整合包下载,声音克隆情感语音软件
免费离线TTS文字转语音工具clone-voice整合包下载,声音克隆软件克隆自己的声音
免费TTS文字转语音合成软件GPT-SoVITS v2ProPlus整合包下载,AI声音克隆软件
AI声音克隆软件Openvoice整合包免费下载,声音模拟克隆免费版工具下载
有声读物制作软件audiblez整合包下载,将epub电子书转为m4b有声书
最近更新

带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
higgs-audio是本月刚发布的一款非常强大的文字转语音工具,上线不到一个月就获得了5.9K个星,可以说是非常热门的项目了。这个软件可以实现文字转语音及声音克隆功能,不过可以实现这个功能的这类软件很多,higgs-audio只是说好一点...

本地离线翻译软件LibreTranslate免安装一键启动包下载
LibreTranslate是一款热门的免费本地离线翻译软件,无需联网,方便某些电脑无法联网但需要进行翻译的场景使用。我制作了最新版免安装一键启动整合包,下载解压即用。 LibreTranslate介绍 免费开源机器翻译 API,完全自托管...

抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载
MegaTTS3是抖音团队联合国内其他大学研发的一款语音合成及声音克隆应用,可实现零样本语音克隆及富有情感的自然语音合成。我基于当前最新版制作了免安装一键启动整合包。 MegaTTS3介绍 MegaTTS 3 是字节跳动(ByteDance...

副业变现项目分享20250709期

有声读物制作软件audiblez整合包下载,将epub电子书转为m4b有声书
和大家分享一个方便快捷的有声书制作软件audiblez,audiblez可以将epub格式电子书快速转为m4b有声书,支持合成中文,英语,日语等八国语言语音,本地离线操作,不依赖云端服务。我基于最新版制作了免安装一键启动整合包。 audib...

百度夸克webdav服务+alist+RaiDrive,将网盘挂载为本地电脑硬盘方法教程
由于每天都要操作网盘不下十几次,频繁启动网盘比较麻烦。 使用百度夸克网盘的webdav服务可以将百度夸克网盘挂载到本地电脑上,就像操作本地电脑硬盘一样操作网盘,非常方便。我们以alist+raidrive为例演示。 首先打开百度网盘pan....

Unreal Engine 5恐怖游戏设计制作教程,从入门到精通从零开始完整项目开发详细讲解,中英文字幕
和大家分享一个以前收集的UE5虚幻引擎恐怖游戏开发教程,这是国外一个大神制作的视频教程,教程从零开始到制作出一款完整的游戏。内容讲解全面,如蓝图基础知识讲解、角色控制、高级交互系统、高级库存系统、物品检查、恐怖环境氛围设计、过场动画、AI系...

PDF/图片转markdown软件MonkeyOCR整合包,文档图片解析工具下载
MonkeyOCR是上个月刚发布的一款文档解析工具,可以将PDF文档或图片识别转换为markdown格式文件。官方测试显示性能极佳。我基于当前最新版制作了免安装一键启动整合包,支持批量操作,并降低了显卡要求。 MonkeyOCR官方介绍 M...

AI视频变现项目,完整详细教程20250628期

即梦AI:创作者的强力“外挂”!免费积分等你领取
还在为创作图片、故事及视频内容而烦恼吗?朋友,你需要一个靠谱的“智能搭子”了!那就是即梦AI,就是那个能让你事半功倍、脑洞大开的神奇伙伴! 即梦AI,到底是什么? 简单说,即梦AI是字节跳动旗下一个强大、易用且懂你的一站式AI创作平台。&n...