CloneTTS语音引擎

CloneTTS 是一款基于原生架构打造的轻量级文字转语音（TTS）引擎，无需联网即可实现高质量语音合成。该应用支持离线提取发音人模型，操作零门槛，用户可快速克隆个性化音色，并兼容双擎系统实现全局听书功能。界面简洁、功能全面，且完全免费，适合对语音朗读有高自由度需求的用户使用。

如何创建自定义音色

1、安装并启动 CloneTTS，点击界面右上角“?”菜单，选择“添加音色”。

2、阅读并同意隐私合规声明后继续操作。

3、在“新建克隆音色”页面中，上传或选择一段作为参照的音频素材。

4、调整音色特征参数与反注设置，完成后点击“保存并启用”。

5、创建成功后，可在“音色管理库”中查看和管理所有已保存的音色。

如何精细调节发音语调

针对个别字词发音错误或特殊读音需求，可进入“发音规则”界面，点击右上角“?”选择“新添规则”，支持通过纯文本或正则表达式进行发音替换。

系统级纠错大词库：若需批量修正多音字误读问题，可在“高级设置”中启用“系统级纠错大词库”，手动导入第三方提供的 system_dict.json 文件以增强发音准确性。

高阶断句正则配置：此功能控制长句朗读时的停顿节奏（如逗号、句号处的间隔）。用户可自定义断句规则，若配置异常，亦可一键点击“恢复系统默认”重置为初始状态。

在朗读类应用中调用 CloneTTS

方式一：设为系统默认 TTS 引擎 进入手机“设置”，搜索“文字转语音”或“TTS 设置”，将默认引擎切换为 CloneTTS。此后，在“开源阅读”等支持系统 TTS 的应用中点击朗读，即可直接使用 CloneTTS 音色，并享受无级变速体验。

方式二：启用本地 HTTP API 服务 在 CloneTTS 的“高级设置”中开启“本地 HTTP API 服务”，获取接口地址（例如：http://127.0.0.1:8080/api/tts?text={{speakText}}），将其填入 Legado 等外部阅读软件的网络发音配置项中，即可实现低延迟、免中断的语音输出。

HTTP API 接口详解

核心请求地址：GET http://127.0.0.1:8080/api/tts

参数说明：

1. text（必填）：待朗读的文本内容。
2. voice（可选）：指定发音人 ID（UUID 格式），若未提供则使用当前 App 内默认音色。
3. speed（可选）：语速倍率，默认值为 1.0，支持外部软件动态传参调节。

调用示例： GET http://127.0.0.1:8080/api/tts?voice=d73ca9c9-c132-4a5b-9f85-825fbaa07162&speed=1.2&text=你好，这是一段测试语音。

在“开源阅读”（Legado）中配置 URL 变量的标准写法为： http://127.0.0.1:8080/api/tts?voice=您的音色ID&speed={{speakSpeed / 10.0}}&text={{speakText}}

更便捷的做法是：在“开源阅读”的朗读引擎设置中，点击右上角菜单选择“网络导入”，输入聚合接口地址： http://127.0.0.1:8080/api/legado/all 系统将自动拉取 CloneTTS 中所有已配置音色，实现即配即用。

CloneTTS 的核心优势

多音色灵活调用：通过 API 支持外部应用（如开源阅读、MultiTTS）按 voice 参数指定不同发音人，适用于角色对话等场景；App 内还支持长按多选音色，实现顺序交替朗读。

稳定性与性能优化：重构底层调度机制，有效避免系统 TTS 与 HTTP API 同时运行导致的内存冲突和崩溃问题，显著提升启动速度与运行流畅度。

扩展性增强：HTTP API 新增 voice 与 speed 参数，便于外部软件精准控制发音人及语速。

音色迁移更智能：提供“追加合并”与“彻底覆盖”两种导入模式，并自动适配跨设备路径差异，解决因绝对路径不兼容导致的音频文件丢失问题。

精细化音色编辑：在音色编辑界面新增对推理步数（num_steps）的调节选项，用户可根据需求平衡语音质量与生成效率。

版本更新记录

0.4.0 版本更新内容

? 修复后台保存配置时因进程被系统终止而导致参数丢失的问题。 ? 解决“追加合并”导入后因缓存未刷新，导致新音色未及时显示的显示异常。 ? 在向第三方软件分发网络源配置时，引入哈希后缀机制，避免因 ID 重复造成批量导入仅生效一个音色的问题。