#5792 nverguo.wav 文件怎么获取制作

在声音克隆场景中，nverguo.wav 是您需要自行准备的参考音频文件，用于让配音引擎模仿该声音。制作方法如下：

1. 准备一段3-10秒的WAV音频

   • 录制：使用手机或电脑录音机录制一段人声（如朗读一句完整的话）。
   • 提取：从现有音频/视频中截取（例如用剪映、Audacity 等工具导出）。
     要求：
   • 格式必须是 .wav，采样率 16kHz 或 44.1kHz 均可。
   • 时长严格控制在 3~10秒（过短易报错，过长易出发错误）。
   • 声音清晰无背景噪声，开头结尾无静音，仅包含单一说话人的一句完整话语。

2. 命名与存放

   • 将文件重命名为简短名称，例如 nverguo.wav。
   • 复制到软件安装目录下的 f5-tts/ 文件夹内（若文件夹不存在请手动创建）。

3. 在软件中注册该参考音频

   • 打开软件 → 顶部菜单 → “TTS设置” → “设置参考音频”。

   • 在文本框内新起一行，填写：

     nverguo.wav#该音频里的说话文本内容

     例如：nverguo.wav#你说四大皆空，却为何，紧闭双眼

   • 保存设置。
4. 使用
   返回主界面，在配音角色的下拉框中即可选择 nverguo.wav 作为克隆音色。

若仍需进一步细节，可查阅官方文档：

• 克隆原音色/使用本地参考音频

如何让克隆声音有感情呢

要让克隆声音带有情感，关键在于 参考音频本身是否带有情感，以及 截取参考音频的时机是否恰当。请按照以下步骤操作：

1. 准备一段有情感表达的参考音频

   • 时长：3–10 秒的 WAV 文件（例如 44.1kHz，16bit）。
   • 内容：让发音人用 自然的、带情绪的语调 朗读一句话（比如惊喜、温柔、愤怒等），不要平铺直叙。
   • 录音环境：背景安静、无杂音、无混响，开头和结尾不要有多余静音。

2. 将参考音频注册到软件

   • 把该 WAV 文件放到 软件安装目录/f5-tts/ 文件夹下。
   • 打开软件 → 菜单 → TTS设置 → 设置参考音频，添加一行如：
     myvoice.wav#我今天真的好开心啊！
   • 保存后，在主界面配音角色下拉框中选中这个 myvoice.wav。

3. 关键参数配置（直接影响情感保留）

   • 关闭 LLM 重新断句：因为 LLM 重新划分时间轴会破坏参考音频与字幕的对应关系，导致截取到的音频无法保留原始情感。

   • 控制字幕时长在 3–10 秒：

     • 进入 菜单 → 工具 → 高级选项 → 语音识别参数
     • 将「最长语音持续秒数」设为 6–10
     • 将「最短语音持续毫秒」设为 3000–4000
     • 勾选「合并过短字幕到邻近」和「合并过短字幕」
   • 分离人声和背景声：在主界面点击「设置更多参数」，勾选「分离人声背景声」。分离后的纯净人声能让克隆引擎更容易捕获情感细节。

4. 推荐使用的克隆渠道

   • Qwen-TTS（本地内置）：支持中英日韩，情感表现自然，优先推荐。
   • F5-TTS（本地内置）：中英日法等，需注意参考音频不超过 10 秒。
   • GPT-SoVITS（本地 API）：情感可控性高，但需自行部署服务。

5. 微调语速和音调

   • 在主界面「设置更多参数」中适当降低 配音语速（例如 -10%）可以让配音听起来更从容，保留更多情感细节。
   • 若感觉音调过于平坦，可微调 音调+（例如 +5Hz）或 音量+。

6. 测试验证

   • 先用一小段视频测试，检查配音是否保留了参考音频中的情感起伏。
   • 如果情感不明显，请换一段情绪更丰富的参考音频（比如电影台词节选、有声小说片段等），重复以上步骤。

请查阅相关文档：

• 原音色克隆与多角色配音
• 优化语音识别精度与断句效果
• F5-TTS 使用说明

泰语克隆保持感情使用什么大模型最好

根据知识库，支持泰语声音克隆且推荐用于保持情感的渠道有以下三个，按推荐优先级排列：

1. OmniVoice（本地内置）

   • 支持所有内置目标语言，包括泰语。
   • 本地运行，无需部署，v4.05 起内置，情感表现较自然。
   • 推荐理由：开箱即用，克隆效果好，适合保持原始情感。

2. VoxCPM-TTS（本地 API）

   • 明确支持泰语，标注为“推荐”的克隆渠道。
   • 需自行部署 API 服务，但情感可控性强。

3. Confucius4-TTS（本地 API）

   • 支持泰语，同样是推荐渠道。
   • 需自行部署 API 服务，情感表现良好。

使用任何克隆渠道保持情感的通用参数优化：

• 关闭 LLM 重新断句。
• 高级选项中将最短语音持续毫秒设为 3000–4000，最长语音持续秒数设为 6–10，并勾选“合并过短字幕到邻近”。
• 在主界面勾选“分离人声背景声”。
• 翻译渠道推荐使用 AI 大模型（如 DeepSeek）并勾选“发送完整字幕”。

请查阅相关文档：

• 原音色克隆/多角色配音
• 优化语音识别精度和断句效果
• OmniVoice-TTS 使用说明

cli 可以设置tts 克隆参考音频吗

CLI 模式本身不提供单独的“设置参考音频”参数，但会读取与 GUI 共享的配置文件 videotrans/params.json。因此，您需要先在 GUI 中完成参考音频的注册，然后在 CLI 中使用对应的角色名称。操作步骤：在 GUI 中注册参考音频将您的 WAV 文件（如 nverguo.wav，3-10 秒，wav 格式）放入软件安装目录的 f5-tts/ 文件夹下。打开 GUI → 菜单 → TTS设置 → 设置参考音频，添加一行记录： nverguo.wav#该音频里的说话文本内容 保存设置。此时配置已写入 params.json。在 CLI 中使用该角色执行时，--voice_role 参数填写参考音频的名字（不带扩展名），例如： bash uv run cli.py --task vtv --name "video.mp4" --source_language_code zh-cn --target_language_code en --voice_role "nverguo" --cuda 注意：确保 CLI 运行时启动的工作目录与 GUI 版本相同，以便读取同一份 params.json。如果希望纯命令行方式管理参考音频，可直接编辑 videotrans/params.json 中的 clone_voice 字段（格式为 wav文件名#文本），效果相同。请查阅相关文档：原音色克隆/多角色配音（包含参考音频设置方法）CLI 命令行模式