Ming-3.0 TTS声音克隆播客配音

上传一段声音即可克隆，支持多人播客、粤语和四川话配音、情绪标记。全中文网页，开机即用，不用写代码。

作者 / 整合发布：王知风 · AI 工具群：957732664 · 官网：https://huigui.ai

能做什么

• 声音克隆： 上传 5 到 10 秒干净人声，自动识别原话，可生成中文、英语、日语、韩语、德语、法语、西班牙语
• 多人播客： 两个人的对话整段一起生成，接话自然，可混用内置音色和自己的声音
• 方言配音： 四川话、粤语，普通话录音也能说方言
• 内置音色： 按名字、场景搜索，可试听
• 情绪与语气： 高兴、悲伤、愤怒等，还能插入笑声、叹气、惊讶等语气标记
• 读法转换： 自动把数字、单位转成读法，生成前可修改
• 语速与种子： 语速 0.7 到 1.5 倍，音高不变；喜欢的读法可以固定种子

两种模型，一键切换

方言页固定使用快速模型，方言味更足。高音质模型一次最多 1000 字，长文请用快速模型。

使用方法

1. 创建实例，推荐 4090 24G。
2. 开机后等约 3 分钟，首次加载模型需要时间。
3. 在控制台点 「启动语音工作台」，端口 7860。
4. 页面右上角显示“已就绪”后开始使用。
5. 成品可在页面播放、下载。用完到控制台关机，关闭网页不会停止计费。

实测环境

4090 24G，2026-11-06。显存峰值约 21 GB。以上速度为实测，不是任意文本的保证。4090 48G 卡型已绑定，这个镜像在 48G 上未单独验收。

注意

• 声音克隆只能使用你本人或已获授权的声音，不得用于冒充他人、欺诈或其他违法用途。
• 合成语音可能被误认为真实录音，公开发布时请按规定标注。

致谢

基于官方 Ming-3.0-tts（MIT，inclusionAI）、audio.cpp、SenseVoice、wetext 等开源项目，许可证见 /workspace/ming-cloud/licenses。