想在本地做语音克隆，很多人第一反应就是找参数更大的模型，随后又被显存占用劝退。老王最近试了 LuxTTS，思路恰好反过来：不靠堆硬件，先把本地生成的速度和门槛压下来。显存不大，也能把语音克隆跑起来。
LuxTTS 是开源语音克隆模型。公开给出的速度可达到其他类型语音克隆的 10 倍；在显卡上运行时，实时速度能到 150 倍左右，占用显存约 1GB。纯 CPU 也能跑得很快，声音效果可以和体积更大的模型相比。对电脑配置一般、又想把生成放在本地完成的人来说，确实省心不少。
先看运行方式
软件支持 Windows 运行。安装或放置程序时，路径尽量别用中文，能少掉一类启动问题。启动后会出现黑色窗口，偶尔看着像卡住了，不用急着关掉，按几下回车键，等程序正常读条即可。
读条开始后，窗口里能看到当前是 CPU 在跑，还是 GPU 在跑；下方会给出本地运行地址。把地址放进浏览器打开，就能进入操作页面。黑色窗口是整个程序的后台，操作页面开着时也别把它关掉。
生成流程
操作页面没有太多绕弯的地方。先在"待合成文本"里输入要生成的内容，再导入一段参考音频；不想提前准备音频，也可以直接录一段。参考声音准备好后，音量、音色和语速都能按需求调整。设置完成，点生成就行。
平时做视频配音，往往不是只生成一句话。内容稍长时，更看得出速度差。老王用大约 200 字的文字测试过，纯 CPU 也能较快完成；换成显卡后，生成速度会更快。生成结束后，可以直接试听，再和参考音频对比，判断成品是否接近想要的声音。
相似度怎么调
实际试听下来，生成结果和参考音频的音色会有细微区别。页面里的"音色偏置"会影响相似度。老王把数值设为 0.9 时，已经能听出参考声音的特点；调到 1 后，相似度会更高。语速同样可以自由调整，适合根据文案节奏慢慢找合适的状态。
语音克隆不是把一段声音丢进去就结束，参考音频、音色偏置和语速都会影响最终听感。LuxTTS 把常用调节项放在页面里，试听后再改一两处参数，整个过程比较直观，不需要反复折腾复杂设置。
适合哪些需求
需要给视频配音、做不同角色的口播，或者想保留自己的声音风格时，本地语音克隆会方便不少。尤其是显卡显存不大的电脑，LuxTTS 约 1GB 的显存占用，能让不少人先用起来，不必一上来就上很重的大模型。
我自己更看重的是本地运行带来的连贯感：写好文本，导入或录入参考声音，调好音量、音色和语速，再试听成品。流程顺下来后，配音工作会清楚很多。老王建议先用短文本跑一遍，把音色偏置和语速调到顺耳，再处理更长的内容。
老王的体验
LuxTTS 不是靠复杂功能取胜，重点在于速度、显存占用和本地操作门槛。Windows 能运行，纯 CPU 有速度，显卡运行又能把效率拉高。对于需要多次生成、反复试听的人来说，少等一会儿，整个制作节奏就会轻松不少。
如果你手头电脑显存不大，又有本地语音克隆的需求，可以从 LuxTTS 开始试试。启创网还有不少适合做内容、提升效率的工具，按自己的需求慢慢挑就行。
如果内容对你有帮助，相关资料会整理在评论区，按需查看就行。
免责声明：本文分享的所有内容均来源于网络，仅供学习交流使用，请勿用于商业用途。如有侵权，请联系我们删除。使用过程中请遵守相关法律法规，因使用不当造成的任何后果，本账号不承担任何责任。