[10.5]VR视频工具箱CUDA专版2.0.3版，逐句情感语音克隆补丁3

zelefans

2.0.0版 发布

逐句情感语音克隆，基于8月10日B站最新发布的语音克隆模型IndexTTS2.5

效果极好，程序处理更简单, 不需要额外判断说话人。我就额外处理了短语音和弱语音的问题，区分克隆语音参考和情绪语音参考。

老用户需要的模型包 可以下载：  VR工具箱CE2.0版-逐句情感语音克隆模型包.7z

huiwange

语音克隆模型下载不了怎么回事？

huiwange

Could not query remote file sizes for Systran/faster-whisper-large-v3: [WinError 10061] 由于目标计算机积极拒绝，无法连接。
Download failed: [WinError 10061] 由于目标计算机积极拒绝，无法连接。
模型下载失败，请检查网络或手动下载。

zelefans

huiwange 发表于 2026-8-16 15:28
Could not query remote file sizes for Systran/faster-whisper-large-v3: [WinError 10061] 由于目标计算 ...

新用户，在网盘下载完整模型包

huiwange

zelefans 发表于 2026-8-16 16:08
新用户，在网盘下载完整模型包

好的大佬

ljjhp11

感谢大佬分享

无聊Tai

语音克隆是做什么用的啊

zelefans

2.0.1版

逐句情感语音克隆发了补丁1。 改动其实相当大。
我恢复了之前的基准语音，克隆单一语音和逐句克隆情感的搭配稳定性比较好。增加了特别轻的耳语的自动音量提高到一定阈值上。软件里增加了研究工具分析克隆语音，发现情感克隆语音导致的时长很难控制，至少三分之一的克隆后的语音比原声限制短，所以会露出非常轻的日语声。虽然我手动加了语音频段的过滤，日语声还是很细微。
研究还在慢慢进展中。当前有些克隆声音比较闷，有些声音和原声一样响但中文就是听不清在说什么。这些问题需要在做进一步分析，可能时IndexTTS 2.5固有的。

这半个月一直在开发面向海外的独立游戏的最终冲刺，刚提交通过，9月份上线steam，所以开发VR相关的时间不多。后续也是时间不确定。

如果后续测试有进展会在https://4k2.me/thread-49752-1-1.html不定期更新语音包。

murongyi168

真是科技大佬，牛牛牛！！！

Silvali

大佬，中间绝大部分叫声没有转录成叹词，最后克隆成文件就少了这些叫声，怎么解决啊。显卡3060ti，8g显存