ClapVoice 使用文档

从第一句话开始。

准备好本地模型,再把注意力交还给创作。这里是你的第一份工作台指南。

开始使用

ClapVoice 目前支持 Windows 10 / 11 x64。安装模型需要网络和足够的磁盘空间;本地模型推理的速度取决于硬件与模型大小。

  1. 前往下载页面查看 Windows 版的发布状态。
  2. 启动桌面程序,打开左下角 Models。
  3. 安装所需的语音、转录或翻译模型。
  4. 进入工作区,添加素材并开始创作。
桌面端当前不需要官网账号。官网账号用于管理个人资料,不会自动上传或同步本地创作项目。

安装本地模型

语音生成与声音克隆

在 Models 的 TTS 中安装 OmniVoice 运行时与模型,或指定已有权重目录和 Python。需要 Python 3.10–3.14,建议使用 Python 3.11 或 3.12。应用会创建独立的虚拟环境,不需要手动启动 HTTP 服务。

语音识别

在 ASR 中下载 Whisper 模型,或选择已有的 GGML .bin 文件。转录、录音听写和视频配音共用这一模型。

跨语言翻译

在 Translation 中安装所需的 Argos 源语言与目标语言包,再执行跨语言字幕翻译。

声音创作

在声音克隆工作区中添加已获授权的参考录音,并填写与录音一致的准确原文。导入或粘贴新脚本,设置语言和质量,生成后试听并导出 WAV。Ctrl + Enter 可以快速生成当前脚本。

在声音设计工作区,用文字描述声音特征,调整起点与随机种子。试听满意后保存至声音库,供后续创作使用。

仅使用你拥有权利或已获明确授权的录音。模型生成效果因样本质量、语言与硬件配置而异。

语音转录

导入音频或视频,或在应用中录音。转录完成后,在时间轴中校对、编辑文字,再复制内容或导出 TXT、SRT、VTT、DOCX。失败的录音会保留,可以重新尝试。

视频配音

导入视频或 SRT 字幕,执行翻译并逐段编辑。为每段分配声音,调整时长后预览,导出 WAV、MP4 或字幕。需要处理多个视频或语言时,可以使用批量配音队列。

有声书

导入 TXT 或 Markdown 文本,整理章节,为分段设置角色声音与停顿。支持可恢复生成和批量书籍处理,完成后可导出 WAV、MP3,或带章节信息的 M4B。

官网账号

使用已有账号登录后,可以在账号中心修改称呼和密码。 邮件注册与邮件找回暂未开放。

网站账号与本地声音、脚本和项目存储相互独立,目前不提供项目云同步。