新HD语音引擎上线:对中文用户意味着什么

发布于

Quick TTS刚刚上线第三个神经语音引擎:Supertonic HD,44kHz、录音室级音质,完全在你自己的GPU上通过WebGPU运行。先说最重要的一点:这次更新不影响中文朗读——Supertonic不支持中文,Piper的huayan依旧是本站唯一的离线中文神经语音。这篇文章讲的是它对谁真正有用,以及为什么。

中文这边:什么都没变

直说:Supertonic HD目前覆盖15种语言——英语、西班牙语、法语、德语、葡萄牙语、意大利语、俄语、波兰语、荷兰语、土耳其语、阿拉伯语、越南语、印地语、日语、韩语——里面没有中文。这一点我们不打算含糊过去,就像此前中文TTS语音大全里坦白Kokoro只支持英语一样。如果你只用Quick TTS朗读中文文本,这次更新对你来说基本无感:Edge在线神经语音(晓晓、云希等)、Windows/Apple系统语音、以及离线的Piper zh_CN-huayan-medium,都和之前完全一样,没有任何变化,也不需要你做任何调整。

那这次更新对谁有用

如果你只读中文,可以跳过下面这部分。但如果你的阅读材料里经常混着英文、日文或韩文——论文摘要、产品文档、海外新闻、外语学习材料——Supertonic HD值得了解。它是一个开源权重的神经语音模型(基于Supertone Inc.发布的Supertonic 3),44kHz输出,比Kokoro的24kHz更接近专业配音的听感,而且完全离线运行——模型下载一次(约380MB),之后合成不再联网,文字也不会离开你的浏览器。Quick TTS的英文首页(quick-tts.com)现在就能选用它。

混合语言模式:一个声音读懂多种语言

Supertonic HD带一个其他引擎都没有的功能:「Auto language(混合文本)」。开启后,它能读一份段落中途切换语言的文档——比如一篇中文笔记里夹着英文产品名,或者一份日语资料引用了英文术语——不需要你手动标注,每一部分都能用对应语言正确发音。对经常需要"顺手"听一段外语内容、又不想为了偶尔几句话切换整个引擎的人来说,这是目前免费工具里少见的能力。

老实说的限制

Supertonic HD只能在支持WebGPU的桌面浏览器(Chrome、Edge 113及以上)运行,没有WASM兜底方案;380MB的首次下载在慢速或按流量计费的网络下是实打实的成本;十个预设音色(男声女声各五个)不支持声音克隆;上游GitHub仓库在我们完成集成后不久就被归档,我们提供的模型权重与推理代码固定在特定版本,由我们自行校验,不会静默跟随一个可能不再更新的上游。推理代码使用MIT许可,模型权重使用限制更多的OpenRAIL-M许可,全文见/licenses/supertonic-openrail-m.txt

自己看看

如果你平时也会朗读英文、日文或韩文内容,可以打开Quick TTS英文版,把引擎切换到Supertonic HD试一试;纯中文朗读则继续用Quick TTS中文版上的Edge在线语音或Piper huayan即可,两者互不影响。更多关于中文语音选择的细节,见中文TTS语音大全使用指南