Vous payez encore quelqu'un pour le doublage de vos courtes vidéos ? Vous avez enregistré des dizaines de fois au point d'en perdre la voix ? Vous voulez cloner votre propre voix en un « double numérique » pour produire du contenu en série ?魔音工厂(MOSS-TTS-Nano v0.1.0) est un outil de synthèse vocale local vraiment gratuit, entièrement hors ligne et fonctionnant sur CPU. Il vous suffit de saisir un texte et de fournir un échantillon audio de référence pour qu'il génère un fichier vocal au même timbre. Cet article vous présente le tutoriel de téléchargement et d'installation de Magic Voice Factory, 3 cas de test réels et une FAQ, pour vous aider à lancer votre première chaîne de production de doublage IA en 3 minutes.
Magic Voice Factory MOSS-TTS-Nano est un outil de synthèse vocale local et hors ligne gratuit, basé sur une surcouche du projet open source OpenMOSS MOSS-TTS-Nano (Apache 2.0), avec une interface en chinois adaptée et un lancement en un clic par des développeurs nationaux, prêt à l'emploi.
En bref :Transformez du texte en voix, sans connexion internet, sans frais, fonctionnant sur CPU, et capable de cloner un timbre à partir d'un échantillon audio de référence.
Saisissez n'importe quel texte, choisissez un timbre et générez en un clic un fichier audio WAV stéréo 48 kHz, avec une qualité proche d'une voix humaine.
Exemple d'opération :Saisissez « Bonjour, bienvenue sur ma chaîne » dans la zone de texte, puis cliquez sur Générer
Fournissez un échantillon audio de référence de 5 à 10 secondes, l'IA apprend les caractéristiques du timbre et génère une voix identique au timbre de référence.
Exemple d'opération :Importez un audio de votre propre lecture → cochez « Clonage vocal » → saisissez le texte pour générer la même voix
Prend en charge 20 langues dont le chinois, l'anglais, le japonais, le coréen, le français et l'allemand, avec bascule libre pour générer des doublages multilingues.
Exemple d'opération :Sélectionnez « English » dans la liste déroulante des langues, saisissez un texte en anglais pour générer un doublage en anglais
Une fois les fichiers de modèle téléchargés en local, l'outil fonctionne sans connexion internet, sans consommer de quota API ni générer de frais d'abonnement.
Exemple d'opération :Après le premier lancement, passez en mode avion et la génération vocale fonctionne toujours normalement
Optimisé en profondeur pour le CPU, il fonctionne fluidement avec 4 Go de mémoire, sans dépendre de l'accélération GPU.
Exemple d'opération :Il fonctionne directement même sur un vieux portable de bureau, sans carte graphique dédiée

| Scénarios de cas | Contenu saisi | Points forts et évaluations des résultats | : Temps de génération / exploitabilité |
|---|---|---|---|
| Doublage de courtes vidéos | Un extrait audio brut de 8 secondes + un texte de présentation orale de 30 caractères | Restitue parfaitement le timbre et l'intonation de l'audio de référence, jusqu'au rythme respiratoire proche d'une voix humaine. J'ai doublé 3 vidéos pour un compte de vulgarisation orale, réussies du premier coup, sans post-traitement. Évaluation : peut remplacer entièrement le doublage humain. | 7 secondes/élément ★★★★★ |
| Production de contenu multilingue | Texte chinois de 50 caractères, sélectionnez une voix anglaise | La prononciation anglaise est naturelle et fluide, sans sensation mécanique évidente, directement utilisable pour la version anglaise des vidéos de comptes bilingues. Évaluation : le passage d'une langue à l'autre est très pratique, ce qui évite de réenregistrer. | 4 secondes/élément ★★★★☆ |
| Livres audio / Lecture de textes longs | Un chapitre de roman de 500 caractères | Génération segmentée par phrases, le rendu après assemblage est naturel à l'écoute, la segmentation et les pauses sont plutôt raisonnables. Évaluation : adapté à la production de contenu audio en masse, mais pour les textes longs, il est recommandé de générer par groupes de 3 à 5 phrases puis de les assembler pour un résultat plus stable. | Environ 20 secondes/segment ★★★★☆ |
Téléchargez l'archive de 魔音工厂 depuis la page Release du projet, décompressez-la dans un chemin entièrement en anglais, par exemple D:\moss\. Évitez les noms de dossiers en chinois qui peuvent provoquer des anomalies au démarrage. L'archive contient les fichiers de modèle complets (environ 728 Mo lors de la première utilisation), il est conseillé de prévoir 2 Go d'espace disque.
Après décompression, double-cliquez sur le fichier 启动.batdans le répertoire racine, le programme lancera le service local et ouvrira automatiquement l'interface dans le navigateur. Une fenêtre de ligne de commande noire apparaîtra alors,ne la fermez pas, sa fermeture quitte le programme.
Dans l'interface du navigateur, collez/saisissez le texte à synthétiser, choisissez la langue et la voix (ou téléchargez un audio de référence pour activer le clonage vocal), puis cliquez sur le bouton « générer ». Après quelques secondes d'attente, vous pouvez écouter et télécharger le fichier WAV 48 kHz. Dans les options avancées, vous pouvez régler la longueur d'une génération unique jusqu'à 60 secondes, voire plus.
💡 Astuces d'utilisation :Pour obtenir le meilleur effet de clonage vocal, il est recommandé d'utiliser un audio de référence de 5 à 10 secondes de voix claire (sans musique de fond, sans réverbération). Pour générer un texte long, désactivez d'abord la détection de silence dans les options avancées, puis générez en plusieurs segments et assemblez-les enfin avec un logiciel de montage.
| Critère de comparaison | 魔音工厂 | Microsoft Azure TTS | OpenAI TTS |
|---|---|---|---|
| Mode de paiement | Gratuit et open source | ¥50-200/mois | ¥15-100/mois |
| Exigences réseau | Entièrement hors ligne | Connexion Internet obligatoire | Connexion Internet obligatoire |
| Clonage vocal | prend en charge | Disponible uniquement en version entreprise | prend en charge |
| Spécifications de sortie | WAV stéréo 48 kHz | 48 kHz | 24 kHz |
| Configuration matérielle requise | CPU suffisant, 4 Go de RAM | Aucune exigence particulière (cloud) | Aucune exigence particulière (cloud) |
Entièrement gratuit, sans inscription. Développé à partir du protocole open source Apache 2.0, aucune fonction bridée ni frais cachés.
La génération par défaut prend environ 30 secondes par fois. Vous pouvez la régler à 60 secondes ou plus dans les options avancées, mais pour les textes longs, il est recommandé de générer par segments puis de les assembler, ce qui offre une meilleure stabilité.
Oui. Les droits d'auteur des audios générés vous appartiennent, vous pouvez les utiliser librement pour des vidéos commerciales, publicités, contenus audio, etc., sans aucun filigrane ni restriction.
Windows 10/11, 4 Go de RAM suffisent pour fonctionner, aucune carte graphique dédiée n'est requise. Au premier lancement, environ 728 Mo de fichiers de modèle seront téléchargés, ensuite tout fonctionne hors ligne.
L'archive contient des instructions d'utilisation détaillées, l'interface est entièrement en chinois, il suffit de suivre les indications. Vous pouvez également consulter le tutoriel en 3 étapes de cet article, vous serez opérationnel en 3 minutes environ.
Le problème central que résout 魔音工厂 est« le coût élevé du doublage et la lourdeur du processus ». Il condense la synthèse vocale, le clonage vocal et la génération multilingue en un outil local qui ne nécessite ni connexion internet, ni carte graphique, ni dépense. Il est particulièrement adapté aux créateurs de vidéos courtes, aux exploitants de médias indépendants, aux producteurs de livres audio, et à tous ceux qui ont besoin de beaucoup de contenu vocal sans vouloir exposer leur propre voix. Je vous suggère de commencer par réaliser votre premier doublage en 3 minutes, puis d'essayer de cloner votre propre voix pour créer un « double numérique », c'est là que l'efficacité décolle vraiment.
🎙️ Téléchargez dès maintenant 魔音工厂 MOSS-TTS-Nano et lancez votre chaîne de synthèse vocale locale !