为什么选择离线语音合成
在线 TTS 把文本发到云端才能开口；Lovo 反过来——模型住在你的机器上，随叫随到。
隐私与数据安全
在线 TTS 需要把文本发到云端，医疗、金融、企业内部文档、未公开内容就不太适合上传。离线 TTS 全程本地推理，文本不出设备，更适合敏感场景。
ZERO CLOUD UPLOAD成本可控
云端 TTS 多按字符、时长或调用次数计费，批量配音、长期高频使用时成本会累积。离线 TTS 模型一次性部署后，后续使用基本没有持续调用费。
ONE-TIME DEPLOY可集成、可自动化
提供 CLI、HTTP API、桌面 UI，方便接入视频配音、批量生成、工作流自动化。比如批量生成旁白、为 ComfyUI 工作流提供音频输出，或做成内部配音服务。
CLI · API · GUI| 在线 TTS 服务 | Lovo（离线） | |
|---|---|---|
| 数据流向 | 文本上传云端，依赖供应商合规 | 文本与音频全程本地，不出设备 |
| 计费方式 | 按字符 / 时长 / 调用次数持续计费 | 一次部署，无限次调用零费用 |
| 集成方式 | 网络 SDK，受网络与限流约束 | CLI / 本地 HTTP API / 桌面 UI，进程内零延迟 |
| 断网可用 | 依赖网络连通性 | 完全可用，内网/隔离环境同样部署 |
主要功能特性
一个工具箱覆盖从"念稿子"到"克隆你的声音"再到"开放成服务"的完整链路。
声音克隆
一段参考音频提取声纹，驱动任意新文本；支持 ICL 参考文本与 x-vector 两种模式。
clone --reference9 个预设音色
CustomVoice 内置男女声与中英韩日风格：vivian、ryan、serena、sohee……一行参数切换。
--speaker vivian音色设计
VoiceDesign 模型用一句话文字描述，即生成全新的目标音色，无需任何参考音频；也可用 CLI 的 design 子命令驱动。
design --instruct多语言
中文、英文多语言输出，并提供日韩特色说话人（sohee / ono_anna），适配出海内容与多语种旁白需求。
--language长文本自动分段
超过 max-chars 的文本智能切分逐段合成再拼接，小说级长文、整章旁白直接喂入。
--max-chars 200设备自动选择
单一二进制，运行时优先 CUDA、不可用自动回退 CPU，无需区分构建版本。
CUDA → CPUOpenAI 兼容 API
POST /v1/audio/speech 请求体与官方一致，现有集成改个 base_url 即可指向本地。
:8000/v1/audio/speech采样与输出可控
贪心 / temperature 采样调节，WAV 输出；API 支持 8–96 kHz 采样率重采样。
--greedy / --temperature语音识别 (ASR)
Qwen3-ASR 将音频转写为文本，自动检测语言，也可强制指定语言与自定义最大 token。
asr --audio轻量部署
Rust 单二进制，无需安装 Python 环境；最低 8GB 显存 NVIDIA 显卡（CUDA）即可流畅运行，CPU 模式同样支持。
8GB VRAM · CPU18 秒看懂 Lovo
产品速览：本地推理、声音克隆、音色设计与桌面端一键出声。
时长 18 秒 · 含背景音乐 · 各项能力详见上方版块介绍
给 AI 助手的语音技能包
Lovo-skill 把 voice-cli 封装成技能包：在 Doubao 等 AI 助手的对话里，一句话就能触发语音合成、声音克隆、音色设计与语音识别，文本全程不出设备。
voice-cli（AI 助手可调用） ├─ synth 语音合成 --model-path <TTS> --text ... --speaker vivian ├─ clone 声音克隆 --reference ref.wav --text ... [--ref-text ref.txt] ├─ design 音色设计 --instruct "年轻女性，甜美温柔" --text ... └─ asr 语音识别 --audio input.wav [--language chinese] 全局：--model-path 必填；--max-chars 分段（默认 200） 许可：启动先校验 license.dat，未授权不执行 输出：合成/克隆/设计 WAV（24kHz），识别 TXT
用法示意 —— 对 AI 助手说"用 vivian 的声音朗读这段文案"，助手即调用 synth，返回 output.wav。
bin/ voice-cli.exe · license.dat
models/ Qwen3-TTS-12Hz-1.7B-{Base,CustomVoice,VoiceDesign}
Qwen3-ASR-<size>（含 tokenizer.json）
voices/ <voice-name>/voice-ref.wav + voice-ref.txt9 个预设音色（CustomVoice）—— vivian、ryan、dylan、aiden、serena、eric、uncle_fu、sohee（韩）、ono_anna（日）。