<![CDATA[VoxCPM2 語音克隆 TTS 生成音色不穩定]]>想請教一下各位大神，前幾天嘗試部署 VoxCPM2
並使用語音克隆功能來給我的 Hermes 妹妹發聲
提供了約一分鐘的 wav 音頻當 reference
但是每次生成的語音音色都不太一樣，聽著很不舒服
使用極致克隆好像有 bug 更慘，生成多次後音色都變了
不知道大神們有沒有遇上這種狀況，又是如何解決？

]]>https://lcz.me/topic/21/voxcpm2-語音克隆-tts-生成音色不穩定RSS for NodeWed, 20 May 2026 08:02:37 GMTTue, 05 May 2026 05:21:09 GMT60<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Mon, 11 May 2026 07:22:45 GMT]]>我觉得indextts挺好用的，在苹果下生成速度还过得去

]]>https://lcz.me/post/973https://lcz.me/post/973Mon, 11 May 2026 07:22:45 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Mon, 11 May 2026 06:27:55 GMT]]>我所有的电脑都是洋垃圾E5平台，一台是5070TI 128G内存，一台3060 12G+64内存，一台2070 8G+32G内存，前两台跑龙虾+comfyui ,第三台只能办公了

]]>https://lcz.me/post/970https://lcz.me/post/970Mon, 11 May 2026 06:27:55 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 12:40:14 GMT]]>@张老师 主力工作机器不要和AI部署机器放到一起是对的，你就给显卡配置个洋垃圾，让它独立运行，使劲造，坏了就重装。思路是对的。

]]>https://lcz.me/post/765https://lcz.me/post/765Sun, 10 May 2026 12:40:14 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 11:45:29 GMT]]>

@terry 说:

不需要卖肾。

哈哈，学你视频里幽默的方式，好的，我有空了去搞个洋垃圾组合也试试Ubuntu 服务器吧！到时候过来分享哦

]]>https://lcz.me/post/758https://lcz.me/post/758Sun, 10 May 2026 11:45:29 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 09:15:30 GMT]]>@张老师 那挺慢的，你换Linux就能快点。不需要卖肾。

]]>https://lcz.me/post/739https://lcz.me/post/739Sun, 10 May 2026 09:15:30 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 09:02:06 GMT]]>@terry 大神好，感谢回复，目前我这套模式还可以接受1:3的比例吧，一分钟，3分钟时间渲染！至于到其他系统里面去折腾，等我也去旁边医院里问一下我的一个肾值多少钱，是否能买下4090 48G的显卡！买了显卡我再去折腾吧！哈哈

]]>https://lcz.me/post/738https://lcz.me/post/738Sun, 10 May 2026 09:02:06 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 08:20:03 GMT]]>@张老师 你试试看Linux，wsl2都比它快很多，我4090能跑到50t/s，xtx 20t/s，你看看你的日志对比下就知道了，voxcpm的win整合包一般速读哦堵很慢。

]]>https://lcz.me/post/733https://lcz.me/post/733Sun, 10 May 2026 08:20:03 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Sun, 10 May 2026 07:30:57 GMT]]>e480ef84-2116-4dd5-a373-667a283a1ad3-image.jpeg
c892e235-3ff2-438b-adea-a38b39db3871-image.jpeg
刚刚前几天做了这个项目，我对它进行了很多的魔改，当时也遇到了克隆声音效果不好，必须把参数调得很高，那样的话渲染的时间又很长！
然后通过音色设计，抽卡一个比较靠谱的声音，记住它的种子号！然后又遇到了长文爆显存，后来就变成了分段渲染（刚好可以修改不满意的部分，而不用整段渲染），但是分段渲染，又遇到了同一个种子声音发出了不同的声音！最后想了一个办法，分段渲染时，先渲染一段相同的语句作为参考点（不显示）强制让它分段渲染的声音一致！反正这个项目折腾了很久！总算可以商用的版本！

]]>https://lcz.me/post/730https://lcz.me/post/730Sun, 10 May 2026 07:30:57 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Thu, 07 May 2026 13:32:21 GMT]]>@terry 對啊 我選他主要是可以本地運行廣東話TTS
而且音色不像Elevenlabs 有點機械音的感覺
用幾十分鐘的內容訓練個LoRa就連上面講會走音的問題也秒殺掉
但有些字他總是讀錯 還在研究怎樣解決 哈

]]>https://lcz.me/post/462https://lcz.me/post/462Thu, 07 May 2026 13:32:21 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Thu, 07 May 2026 00:32:23 GMT]]>@t68823878 不要用comfyui部署，直接在linux下就可以部署Qwen TTS， 改天我测试下，上次我记得跑过整合包，稍微体验了下。过几天试试看。

]]>https://lcz.me/post/381https://lcz.me/post/381Thu, 07 May 2026 00:32:23 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Thu, 07 May 2026 00:01:23 GMT]]>@terry 就是挺简单根据刘悦那个视频教程来就行了，https://www.youtube.com/watch?v=HUPxh1sCDpA
主要优势就是声音比较自然，AI味不明显，用来设计音色也是很不错的，我弄的语音音色就是用它抽卡抽出来的；
当然我也试了用comfyui工作流来QWEN3 TTS，出来的效果比不上整合包，具体原因我也没有深入研究，整合包出来效果就是要好很多。

]]>https://lcz.me/post/373https://lcz.me/post/373Thu, 07 May 2026 00:01:23 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Wed, 06 May 2026 06:09:19 GMT]]>@0xsltomorrow 多谢，那意义不大，我不想升级。1.5挺好的，我只做中英文，我感觉够强了，过犹不及。

]]>https://lcz.me/post/298https://lcz.me/post/298Wed, 06 May 2026 06:09:19 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 23:09:34 GMT]]>@t68823878 刘悦的包好不好用，我下载了，没怎么测试，主要是voxcpm太好用了，发个帖子分享下啊，付出一点。

]]>https://lcz.me/post/276https://lcz.me/post/276Tue, 05 May 2026 23:09:34 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 22:40:57 GMT]]>我是才开始接触AI音视频，综合对比了一下，我用的刘悦大神的QWEN TTS 1.7B文字转语音整合包，除了长篇幅几千字会出现吞字外，感觉音频质量还是在线的。而且你是不是参考语音片段太长了，都1分钟了，一般不都是10秒左右吗？

]]>https://lcz.me/post/272https://lcz.me/post/272Tue, 05 May 2026 22:40:57 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 18:49:09 GMT]]>@linax777 voxcpm是流式API，你可以分段的，音频可以用ffpmeg代码修理，qwen TTS 在克隆方面远不如voxcpm，它的优势是多音色。

]]>https://lcz.me/post/267https://lcz.me/post/267Tue, 05 May 2026 18:49:09 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 08:15:44 GMT]]>@0xsltomorrow Ultimate Clone 沒試過太多次
使用 HTTP API 調用 生成幾次之後就變成隨機音色 女聲變男聲
再試幾天沒有改善可能要換成使用 Qwen3-TTS

]]>https://lcz.me/post/202https://lcz.me/post/202Tue, 05 May 2026 08:15:44 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 07:38:15 GMT]]>它可以克隆音色，然后你用工具微调下，再克隆，干嘛要抽卡呢？voxcpm可以直接运行你知道吗？直接用python脚本调用，别说几十秒，我的视频都是七八分钟，十几分钟的。脚本一步到位🤪

]]>https://lcz.me/post/199https://lcz.me/post/199Tue, 05 May 2026 07:38:15 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 07:26:23 GMT]]>@linax777 請問你 Ultimate Clone 一段話時間大概多長？
我用粵語的 沒加載LoRa情況下每句不能超過10秒
10秒開始他就變成一種新的方言了

]]>https://lcz.me/post/198https://lcz.me/post/198Tue, 05 May 2026 07:26:23 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 07:22:09 GMT]]>@terry 2.0 可以抽卡設計音色 但不一定抽到好卡
另外增加了日語、韓語及多種方言支援 (其他方言我不懂，但日、韓、粵語聽起來都是怪怪的)

]]>https://lcz.me/post/197https://lcz.me/post/197Tue, 05 May 2026 07:22:09 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 05:37:38 GMT]]>只是用最新版。 是用 vllm 容器開啟模型 沒有詳細日誌 晚點再研究

SCR-20260505-mctb.png

]]>https://lcz.me/post/188https://lcz.me/post/188Tue, 05 May 2026 05:37:38 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 05:33:48 GMT]]>你的运行日志要贴出来，或者有截图，然后你载入了modescope采样器没？贴日志。

]]>https://lcz.me/post/187https://lcz.me/post/187Tue, 05 May 2026 05:33:48 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 05:30:15 GMT]]>1.5不挺好用的吗，我都用1.5，2有什么特殊改进吗？我抽时间试试看。

]]>https://lcz.me/post/186https://lcz.me/post/186Tue, 05 May 2026 05:30:15 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 05:27:08 GMT]]>@terry 4月出 2版了。目前最新是2.0.2

]]>https://lcz.me/post/185https://lcz.me/post/185Tue, 05 May 2026 05:27:08 GMT<![CDATA[Reply to VoxCPM2 語音克隆 TTS 生成音色不穩定 on Tue, 05 May 2026 05:23:51 GMT]]>我用的是1.5，2出来了？村里刚通网。

]]>https://lcz.me/post/183https://lcz.me/post/183Tue, 05 May 2026 05:23:51 GMT