Всё ещё платите за озвучку коротких видео? Записали десятки дублей, пока не охрипли? Хотите клонировать свой голос в «цифрового двойника» и выпускать контент массово?魔音工厂(MOSS-TTS-Nano v0.1.0) — это по-настоящему бесплатный, полностью офлайн-инструмент локального синтеза речи, работающий на CPU. Достаточно ввести текст и дать образец аудио, и он сгенерирует речевой файл с тем же тембром. В этой статье — руководство по скачиванию и установке 魔音工厂, 3 практических примера и ответы на частые вопросы, которые помогут вам за 3 минуты запустить первый конвейер AI-озвучки.
魔音工厂 MOSS-TTS-Nano — это бесплатный локальный офлайн-инструмент синтеза речи на основе открытого проекта OpenMOSS MOSS-TTS-Nano (Apache 2.0), доработанный отечественными разработчиками: адаптирован китайский интерфейс и добавлен запуск в один клик — готово к использованию сразу из коробки.
Проще говоря:Превращает текст в речь без интернета и без оплаты, работает на CPU и позволяет клонировать тембр по образцу аудио.
Введите любой текст, выберите тембр и в один клик сгенерируйте стереофонический WAV-аудиофайл 48 кГц — качество звучания близко к живому голосу.
Пример действий:Введите в текстовое поле «你好,欢迎关注我的频道» и нажмите «Сгенерировать»
Предоставьте образец аудио длительностью 5–10 секунд, и AI изучит характеристики тембра и сгенерирует речь, соответствующую образцу.
Пример действий:Загрузите аудио с собственным чтением → отметьте «Клонирование голоса» → введите текст и сгенерируйте такой же голос
Поддерживает 20 языков, включая китайский, английский, японский, корейский, французский, немецкий, — можно свободно переключаться и создавать многоязычную озвучку.
Пример действий:Выберите «English» в выпадающем списке языков, введите английский текст и сгенерируйте английскую озвучку
После скачивания файлов модели на локальный компьютер работа возможна без интернета, без расхода квоты API и без абонентской платы.
Пример действий:После первого запуска переключитесь в режим полёта — генерация речи всё равно будет работать
Глубокая оптимизация под CPU: для плавной работы достаточно 4 ГБ оперативной памяти, ускорение на GPU не требуется.
Пример действий:Запускается даже на старом офисном ноутбуке без дискретной видеокарты

| Сценарий из практики | Вводимый контент | Результаты и отзывы | Время генерации / пригодность |
|---|---|---|---|
| Озвучка коротких видео | 8 секунд чистого звука + текст для озвучки на 30 иероглифов | Идеально воспроизводит тембр и интонацию образца аудио, даже ритм дыхания близок к живому человеку. Озвучил 3 видео для познавательного канала — с первого дубля, без постобработки. Оценка: полностью заменяет живую озвучку. | 7 секунд/строка ★★★★★ |
| Многоязычное производство контента | Китайский текст 50 символов, выберите английский голос | Английское произношение естественное и плавное, без заметной машинности, можно напрямую использовать для англоязычной версии видео на двуязычных аккаунтах. Оценка: переключение между языками очень удобное, избавляет от необходимости перезаписывать аудио. | 4 секунды/строка ★★★★☆ |
| Аудиокниги / озвучивание длинных текстов | Одна глава романа на 500 символов | Генерация по предложениям с последующей сборкой даёт естественное звучание, разбивка на фразы и паузы достаточно логичны. Оценка: подходит для массового производства аудиоконтента, но для длинных текстов рекомендуется генерировать блоками по 3-5 предложений и затем собирать — так результат стабильнее. | Около 20 секунд/фрагмент ★★★★☆ |
Скачайте архив 魔音工厂 со страницы Release проекта, распакуйте в путь, состоящий только из английских символов, например D:\moss\. Избегайте китайских имён папок, которые могут вызвать ошибки при запуске. Архив содержит полные файлы модели (при первом скачивании около 728MB), рекомендуется зарезервировать 2GB дискового пространства.
После распаковки дважды щёлкните в корневой папке 启动.bat, программа запустит локальную службу и автоматически откроет интерфейс в браузере. При этом появится чёрное окно командной строки,не закрывайте его, при закрытии программа завершится.
В интерфейсе браузера вставьте/введите текст для синтеза, выберите язык и голос (или загрузите референсное аудио для включения клонирования голоса), нажмите кнопку «Создать». Через несколько секунд можно прослушать и скачать файл 48kHz WAV. В расширенных настройках можно увеличить длину однократной генерации до 60 секунд и даже больше.
💡 Полезные советы:Для наилучшего эффекта клонирования голоса рекомендуется использовать референсное аудио 5-10 секунд с чистым голосом (без фоновой музыки, без реверберации). При генерации длинных текстов сначала отключите в расширенных настройках обнаружение тишины, затем генерируйте по частям и в конце соедините в видеоредакторе.
| Критерий сравнения | 魔音工厂 | Microsoft Azure TTS | OpenAI TTS |
|---|---|---|---|
| Способ оплаты | Бесплатно и с открытым исходным кодом | ¥50-200/месяц | ¥15-100/месяц |
| Требования к сети | Полностью офлайн | Требуется интернет | Требуется интернет |
| Клонирование голоса | Поддерживается | Только в корпоративной версии | Поддерживается |
| Выходные характеристики | 48kHz стерео WAV | 48kHz | 24kHz |
| Требования к оборудованию | Достаточно CPU, 4GB оперативной памяти | Без особых требований (облако) | Без особых требований (облако) |
Полностью бесплатна, регистрация не требуется. Разработана на основе открытой лицензии Apache 2.0, без урезания функций или скрытых платежей.
По умолчанию одноразовая генерация занимает около 30 секунд. В расширенных настройках можно увеличить до 60 секунд и даже больше, но длинные тексты рекомендуется генерировать по частям и затем склеивать — так стабильнее.
Да. Авторские права на сгенерированное аудио принадлежат вам, его можно свободно использовать в коммерческих видео, рекламе, озвученном контенте и других сценариях — без водяных знаков и ограничений.
Windows 10/11, достаточно 4 ГБ оперативной памяти, дискретная видеокарта не требуется. При первом запуске будет загружен файл модели объёмом около 728 МБ, после чего программа работает полностью офлайн.
В архиве прилагается подробная инструкция по использованию, интерфейс полностью на китайском языке — просто следуйте подсказкам. Также можно воспользоваться трёхшаговым руководством из этой статьи — освоиться можно буквально за 3 минуты.
魔音工厂 решает ключевую проблему“высокая стоимость озвучки и сложный процесс”. Он сжимает преобразование текста в речь, клонирование голоса и многоязычную генерацию в один локальный инструмент, которому не нужен интернет, не нужна видеокарта и не нужно платить. Он особенно подходит создателям коротких видео, операторам собственных медиа, производителям аудиокниг и всем, кому нужно много голосового материала, но кто не хочет раскрывать свой голос. Рекомендуем сначала за 3 минуты пройти первую озвучку, а затем попробовать клонировать свой голос в ”цифрового двойника” — вот тогда начнётся настоящий взлёт эффективности.
🎙️ Скачайте 魔音工厂 MOSS-TTS-Nano прямо сейчас и запустите свой локальный конвейер синтеза речи!