Breeze TTS 2
使用開源文字轉語音模型 Breeze TTS 2，將文本轉換為自然語音，並支援零樣本（zero-shot）語音克隆。只需提供一段簡短的參考音訊，模型就能以該音色朗讀你的腳本，無需重新訓練。由百度 breeze-tts 團隊開源發布。
- 技術路線
- 零樣本 TTS
- 克隆輸入
- 短參考音訊
- 輸出
- 語音音訊
- 授權
- 開源
體驗 Breeze TTS 2 即時演示
輸入腳本、附上一段簡短的參考音訊，就能聽到模型以克隆的音色朗讀你的文字。試著更換腳本、說話者和長度，感受 Breeze TTS 2 如何處理節奏、語氣與自然停頓。
核心能力
簡單流程，自然語音
Breeze TTS 2 專注做好一件事：把你的文字和一段簡短的語音參考，轉換成可以試聽和使用的自然語音。
- 零樣本語音克隆
Breeze TTS 2 可以從一段簡短的參考音訊克隆聲音，無需任何模型重新訓練。模型會捕捉參考音訊的音色與說話風格，並將其應用到全新文本上。對快速草稿、原型製作和個人化旁白來說非常實用，不必錄製完整的語音資料集。
- 自然的韻律與節奏
模型生成的語音具有自然的節奏、停頓與重音，而不是平板生硬的機器朗讀。較長的句子會有合適的分段，因此腳本、文章和對話式內容讀起來更流暢。與任何 TTS 模型一樣，建議在發布前先試聽確認輸出品質。
- 以文字為核心的工作流程
一切都從你的腳本開始：貼上或輸入要朗讀的文字、附上參考音訊、生成語音。這種直接的輸入到輸出流程，適合旁白、影片配音、線上課程草稿，以及已備好文稿的無障礙應用場景。
- 開源程式碼與模型權重
Breeze TTS 2 以開源專案形式發布，程式碼可在 GitHub 取得，模型權重也公開提供下載。你可以檢視整個流程、在自己的硬體上運行，並整合到自己的應用中，而不必依賴託管 API。
- 可自架部署
由於模型可以在本地運行，你能自行掌控腳本與參考音訊的處理位置。對於處理未發布素材、客戶語音樣本或隱私敏感內容的團隊尤其重要。部署前請先查看專案儲存庫中目前的硬體需求。
- 反覆生成、快速迭代
如果某次生成的效果不理想——節奏不對、重音奇怪或停頓不自然——可以調整文本或參考音訊後重新生成。每次生成都不會破壞原始素材：腳本和參考保持原樣，讓你快速重複調整，直到得到滿意的朗讀效果。
常見問題
- Breeze TTS 2 是什麼？
- Breeze TTS 2 是百度 breeze-tts 團隊開發的開源文字轉語音模型。它可以將文字轉換為自然語音，並能從一段簡短的參考音訊以零樣本方式克隆聲音，也就是說為新說話者生成語音時不需要重新訓練或微調模型。程式碼可在 GitHub 取得，模型權重也已公開發布。
- 零樣本語音克隆是如何運作的？
- 你提供一段想使用的聲音的簡短音訊，以及要朗讀的文字。Breeze TTS 2 會從參考音訊中提取聲音特徵，然後用該音色為你的腳本生成新的語音。參考音訊越乾淨（背景噪音少、只有單一說話者），克隆效果通常越好。
- Breeze TTS 2 可以在自己的硬體上運行嗎？
- 可以。Breeze TTS 2 是開源的，支援自行部署。在本地運行模型，你的腳本與參考音訊都由自己掌控。由於需求取決於發布的模型大小與推理設定，請先查看 GitHub 儲存庫中最新的硬體需求與安裝步驟。
- Breeze TTS 2 是免費使用的嗎？
- 模型與程式碼以開源方式發布，供研究與開發使用。若要在商業產品中使用 Breeze TTS 2，請先閱讀官方儲存庫中的授權條款，因為可能包含署名或使用限制等條件。本頁面上的線上演示僅供快速測試使用。
- 哪些因素會影響克隆語音的品質？
- 最直接的因素是參考音訊的品質：乾淨、單一說話者、沒有背景噪音或強烈混響的片段，會比嘈雜或混雜的錄音有更好的克隆效果。腳本也有影響——自然的句子結構通常比密集、未排版的文字朗讀得更流暢。如果結果不理想，可以調整參考音訊或腳本後重新生成。
- 生成的語音可以用於商業用途嗎？
- 這取決於模型的授權條款，以及你克隆的聲音的權利。請先閱讀 breeze-tts 儲存庫中的授權條款，並且只克隆你有權使用的聲音——通常是你自己的聲音，或取得書面同意的聲音。若計劃公開發布或將輸出商用，請先確認相關條款。