Masih bayar orang untuk alih suara video pendek? Dah rakam berpuluh kali sampai suara serak? Nak klon suara sendiri jadi "kembaran digital" untuk hasilkan kandungan secara pukal?Kilang Suara Sihir(MOSS-TTS-Nano v0.1.0)ialah alat sintesis suara tempatan yang benar-benar percuma, beroperasi sepenuhnya luar talian, dan boleh dijalankan hanya dengan CPU. Anda hanya perlu masukkan teks dan berikan satu audio rujukan, ia akan menghasilkan fail suara dengan timbre yang sama. Artikel hari ini membawa tutorial muat turun dan pemasangan 魔音工厂, 3 kajian kes sebenar serta jawapan kepada soalan lazim, membantu anda menjalankan saluran paip alih suara AI pertama anda dalam masa 3 minit.
魔音工厂 MOSS-TTS-Nano ialah alat sintesis suara tempatan luar talian percuma, berdasarkan pembungkusan semula projek sumber terbuka OpenMOSS MOSS-TTS-Nano (Apache 2.0), dengan penyesuaian antara muka bahasa Cina dan pembungkusan mula sekali klik oleh pembangun tempatan, sedia digunakan terus.
Secara ringkasnya:Tukar teks menjadi suara, tanpa internet, tanpa bayaran, boleh dijalankan dengan CPU, malah boleh klon timbre menggunakan satu audio rujukan.
Masukkan sebarang teks, pilih timbre, jana audio WAV stereo 48kHz dengan satu klik, kualiti bunyi hampir menyerupai suara manusia sebenar.
Contoh operasi:Masukkan "Hai, selamat datang menonton saluran saya" dalam kotak teks, klik jana
Sediakan audio rujukan 5-10 saat, AI akan mempelajari ciri timbre dan menghasilkan suara yang sepadan dengan timbre rujukan.
Contoh operasi:Muat naik audio bacaan sendiri → tandakan "Klon Suara" → masukkan teks untuk jana suara yang sama
Menyokong 20 bahasa termasuk Cina, Inggeris, Jepun, Korea, Perancis, Jerman, boleh tukar bebas untuk jana alih suara pelbagai bahasa.
Contoh operasi:Pilih "English" dalam menu lungsur bahasa, masukkan teks Inggeris untuk jana alih suara Inggeris
Selepas fail model dimuat turun ke peranti, boleh beroperasi tanpa internet, tidak menghabiskan kuota API, tidak menghasilkan kos langganan.
Contoh operasi:Selepas permulaan pertama, tukar ke mod pesawat, masih boleh jana suara seperti biasa
Dioptimumkan secara mendalam untuk CPU, 4GB memori sudah cukup untuk berjalan lancar, tidak bergantung pada pecutan GPU.
Contoh operasi:Komputer riba pejabat lama pun boleh dijalankan terus, tanpa kad grafik berasingan

| Senario kes | Kandungan input | Sorotan output dan penilaian | Masa penjanaan/kebolehgunaan |
|---|---|---|---|
| Alih suara video pendek | Audio kering 8 saat + skrip siaran lisan 30 patah perkataan | Memulihkan sepenuhnya timbre dan intonasi audio rujukan, malah irama pernafasan hampir menyerupai manusia sebenar. Menyediakan 3 video untuk akaun siaran lisan pengetahuan, semuanya lulus sekali, tidak perlu pemprosesan pasca. Penilaian: Boleh menggantikan sepenuhnya alih suara manual. | 7 saat/baris ★★★★★ |
| Penghasilan kandungan berbilang bahasa | Teks Cina 50 patah perkataan, pilih suara bahasa Inggeris | Sebutan bahasa Inggeris semula jadi dan lancar, tiada rasa mesin yang jelas, boleh terus digunakan untuk video versi bahasa Inggeris akaun dwibahasa. Ulasan: Penukaran berbilang bahasa sangat mudah, menjimatkan kerumitan rakaman semula. | 4 saat/baris ★★★★☆ |
| Buku audio / Bacaan teks panjang | Satu bab novel 500 patah perkataan | Dijana mengikut segmen ayat, selepas dicantum bunyinya semula jadi, pemisahan ayat dan jeda agak munasabah. Ulasan: Sesuai untuk kandungan audio pukal, tetapi untuk teks panjang disyorkan jana 3-5 ayat satu segmen kemudian cantum untuk hasil yang lebih stabil. | Kira-kira 20 saat/segmen ★★★★☆ |
Muat turun pakej mampat Magic Sound Factory dari halaman Release projek, ekstrak ke laluan sepenuhnya bahasa Inggeris, contohnya D:\moss\. Elakkan nama folder bahasa Cina menyebabkan ralat permulaan. Pakej mampat mengandungi fail model lengkap (kali pertama kira-kira 728MB), disyorkan sediakan 2GB ruang cakera.
Selepas ekstrak, klik dua kali pada direktori akar 启动.bat, program akan memulakan perkhidmatan tempatan dan membuka antara muka operasi pelayar secara automatik. Pada masa ini akan ada tetingkap baris arahan hitam,jangan tutupnya, menutupnya bermakna keluar dari program.
Dalam antara muka pelayar, tampal/masukkan teks yang ingin disintesis, pilih bahasa dan suara (atau muat naik audio rujukan untuk mengaktifkan pengklonan suara), klik butang "jana". Selepas menunggu beberapa saat, anda boleh mendengar pratonton dan memuat turun fail WAV 48kHz. Dalam pilihan lanjutan, panjang penjanaan sekali boleh dilaraskan sehingga 60 saat atau lebih panjang.
💡 Petua penggunaan:Untuk mendapatkan kesan pengklonan suara terbaik, audio rujukan disyorkan menggunakan suara manusia yang bersih selama 5-10 saat (tanpa muzik latar, tanpa reverb). Jika menjana teks panjang, mula-mula matikan pengesanan senyap dalam pilihan lanjutan, kemudian jana dalam beberapa segmen, akhirnya cantum dengan perisian penyuntingan.
| Dimensi perbandingan | Kilang Suara Sihir | Microsoft Azure TTS | OpenAI TTS |
|---|---|---|---|
| Kaedah bayaran | Percuma dan sumber terbuka | ¥50-200/bulan | ¥15-100/bulan |
| Keperluan rangkaian | Sepenuhnya luar talian | Mesti bersambung internet | Mesti bersambung internet |
| Pengklonan Suara | Menyokong | Hanya versi perusahaan | Menyokong |
| Spesifikasi output | WAV stereo 48kHz | 48kHz | 24kHz |
| Keperluan perkakasan | CPU sudah cukup, memori 4GB | Tiada keperluan khas (awan) | Tiada keperluan khas (awan) |
Sepenuhnya percuma, juga tidak perlu daftar. Dibangunkan semula berdasarkan lesen sumber terbuka Apache 2.0, tidak akan berlaku pengurangan fungsi atau caj tersembunyi.
Lalai menjana kira-kira 30 saat untuk satu penjanaan. Boleh dilaraskan kepada 60 saat atau lebih lama dalam pilihan lanjutan, tetapi untuk teks panjang disyorkan menjana secara berbahagian kemudian cantumkan semula, lebih stabil.
Boleh. Hak cipta audio yang dijana adalah milik anda, bebas digunakan untuk video komersial, iklan, kandungan audio dan lain-lain, tanpa sebarang tera air atau sekatan.
Windows 10/11, memori 4GB sudah mencukupi untuk berjalan, tidak memerlukan kad grafik berasingan. Pada permulaan pertama akan memuat turun fail model kira-kira 728MB, selepas itu boleh digunakan sepenuhnya secara luar talian.
Dalam pakej mampat disertakan panduan penggunaan yang terperinci, antara muka sepenuhnya dalam bahasa Cina, ikut arahan sahaja. Boleh juga merujuk tutorial 3 langkah dalam artikel ini, asasnya dalam 3 minit sudah boleh mula menggunakannya.
Masalah teras yang diselesaikan oleh Magic Sound Factory ialah“kos alih suara yang tinggi, proses yang rumit”. Ia memampatkan penukaran teks ke suara, pengklonan suara, penjanaan pelbagai bahasa menjadi satu alat tempatan yang tidak memerlukan internet, tidak memerlukan kad grafik, tidak memerlukan wang. Ia amat sesuai untuk pencipta video pendek, pengendali media sendiri, penghasil buku audio, serta semua yang memerlukan banyak bahan suara tetapi tidak mahu mendedahkan suara sendiri. Disyorkan anda mula dengan 3 minit untuk menyiapkan alih suara pertama, kemudian cuba klon suara sendiri menjadi ”digital twin”, itulah saat kecekapan benar-benar melonjak.
🎙️ Muat turun Magic Sound Factory MOSS-TTS-Nano sekarang, mulakan saluran sintesis suara tempatan anda!