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。
也可通过左侧面板
批量为字幕配音单独使用配音功能，支持导入多个srt字幕文件或txt文件进行配音。角色
clone代表使用原始视频中的说话人音色进行配音，以实现语音克隆，该角色仅在主界面视频翻译功能中可用。有
clone角色渠道均支持自定义参考音频，即克隆你自己准备的一段3-10s的音频中的音色，使用该音色配音，具体方法见下方的制作和使用参考音频
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(clone角色) | 推荐度 |
|---|---|---|---|---|
| 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 |
| F5-TTS(本地内置) | 中英日法德俄意、西班牙、印地、阿拉伯语 | ✅ | ✅ | ⭐⭐⭐ |
| OmniVoice-TTS | 支持600种语言(v4.05起内置) | ✅ | ✅ | ⭐⭐⭐ 推荐 |
| Confucius-TTS(本地内置)v4.06起 | 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 | ✅ | ✅ | ⭐⭐⭐ |
| 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 | ❌ | ✅ | ⭐⭐ |
| ZipVoice(本地内置) | 中英语言 | ✅ | ✅ | ⭐⭐⭐ 推荐 |
| Piper(本地内置) | 轻量级，支持20种语言 | ❌ | ❌ | ⭐⭐ |
| 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 |
| 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 | ❌ | ❌ | ⭐⭐ |
| VITS(本地内置) | 中英配音 | ❌ | ❌ | ⭐⭐ |
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，请点击查看模型下载地址和手动下载方式
本地自行部署（高阶）
| 渠道 | 说明 | 支持克隆(clone角色) | 推荐度 |
|---|---|---|---|
| GPT-SoVITS | 支持中英日韩粤 | ✅ | ⭐⭐⭐ 推荐 |
| Index-TTS | 中英 | ✅ | ⭐⭐⭐ 推荐 |
| 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 | ✅ | ⭐ |
制作和使用参考音频
支持
克隆的配音渠道(配音角色含有clone,选此即克隆原视频中说话银色)，均可使用参考音频，在配音角色中选择该参考音频，配音时将自动使用该音频音色进行配音，参考音频统一在菜单 → TTS设置 → 设置参考音频中配置。
操作步骤
- 录制或从已有音频中截取
3-10s时长的音频片段，保存为wav格式，并确保发音清晰、无背景噪声。 - 打开
菜单 → TTS设置 → 设置参考音频界面 - 在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- 将参考音频文件放置在
软件目录/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 |
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.io | AI 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 TTS | x.ai 平台 | ⭐⭐ |