作者： localbob

CloneTTS 是一款运行在安卓系统本地的文字转语音 (TTS) 原生引擎。它可以让您在手机上离线克隆所需的声音，并直接使用这个声音来朗读书籍或长文本。无需联网，所有推理计算均在本地完成。

功能特色

• 离线音色克隆：录制 1~3 秒人声即可生成专属音色
• 系统级 TTS：注册为安卓系统 TTS 引擎，兼容开源阅读、Moon+ 等阅读器
• HTTP API 服务：内置本地 HTTP 服务器，支持 GET 和 POST 请求
• 语速与音量调节：0.5x ~ 2.0x 语速，0% ~ 200% 音量
• 发音纠错：支持添加自定义的纯文本或强大的正则表达式替换规则
• 音色备份：ZIP 格式导入/导出，支持追加或覆盖导入

一、配置必读：电池优化与后台保活

非常重要！必做！
在开始一切操作前，为了防止手机在您听书息屏时中断朗读（被系统强杀后台），请务必在应用程序底部的 “帮助说明” 页面，参考卡片上的提示：

1. 前往手机系统设置，将本应用的电池优化策略改为 “无限制” 或 “允许完全后台行为”。
2. 在手机的多任务（最近任务）界面，下拉本应用的卡片或点击小锁图标，防止被一键清理掉（不同品牌操作方式略有不同，部分手机可能没有此功能）。

二、下载与初次体验

1. 下载与安装：前往本 GitHub 的 Releases 页面下载最新版 .apk 并安装。
2. 首次启动：第一次打开 App 时，系统会在后台解压模型数据，请耐心等待几秒钟。

三、如何克隆并添加专属音色

1. 在最下方的 “音色管理” 页面中，点击右上角的 “⋮ (更多选项)”，选择 “添加音色”。
2. 提供参考声音：使用 录音室采音 进行高保真采音，或通过 外部选取 上传本地音频（时长要求 1~3 秒，单句清晰的无背景音人声）。
3. 填写发音参考文本：一字不差地填写刚刚录制或上传声音里的纯文本。（文字必须完全匹配，否则发出的声音质量会极度不可视）。
4. 算力精度 (num_steps)：推荐保留默认的 2 步以获得最佳速度体验。如果您追求更高音质，可改为 4，但合成速度会相应变慢。最大值为 8，超过 8 不会有进一步的音质提升。
5. 点击底部 保存并启用 即可。之后在”音色管理”列表点击该卡片即可激活它。

四、音色管理

• 选择与激活音色：点击音色卡片即可选中为当前默认音色。
• 自定义音色代号 (Alias)：支持为音色设定专属的名称与唯一代号 (Alias)。该代号是开源阅读软件（如 Legado）通过 HTTP API 进行“分角色听书”精准调用的核心键值。
• 编辑属性：点击卡片右侧的 ⋮ 菜单可随时修改名字、代号及发音参考文本。系统会自动执行代号重名校验防护。
• 备份与迁移：支持通过 ⋮ 菜单进行音色的批量删除与 .zip 格式打包导出。导入时可智能选择“追加”或“覆盖”模式。

五、高级进阶：发音纠错与性能监控

在底部 “发音规则” 与 “高级设置” 栏中，您可以对合成体验进行底层的专业级干预：

• 添加发音正则替换：在 “发音规则” 界面，您可以针对特定的错误多音字添加文本或正则规则替换（例如遇到特定人名强制拼音纠错）。
• 高阶断句正则配置：这个选项决定了引擎切分小说长句时的停顿界限。配置紊乱时可点击“恢复系统默认”一键重置。
• 实时 RTF 监控瀑布台：在高级设置开启详细日志后，前端界面直通底层协程，您可直观捕捉并在页面底端查看每一句生成的 RTF（实时推理速率）和算力耗时，彻底终结盲盒合成！

六、如何接管朗读

模式 1：接管系统 TTS（兼容性最广）
在手机的”设置”中，搜索 “TTS 设置”（或文字转语音输出），将默认引擎改为 CloneTTS。随后在”开源阅读”等应用中点击”朗读”即可生效，支持无级调速体验。

模式 2：HTTP API 模式（适合高级用户）
切换到 “高级设置” 界面并打开首行的 “本地 HTTP API 服务”。将显示的接口地址填入外部阅读软件（如 Legado）的网络发音设置中即可。

支持两种请求方式：

• GET 请求：http://127.0.0.1:8080/api/tts?text={{speakText}}&voice=音色名
• POST 请求：支持 application/x-www-form-urlencoded 和 application/json 两种格式，可发送超长文本

voice 参数支持音色名称或音色代号 (Alias) 匹配。