dots.tts：2B 全连续自回归 TTS · 48kHz · 零样本声音克隆— 本整合包基于内置的 python-3.11.9（Windows 嵌入式 Python），解压即用，无需安装 conda/Python。

本期视频 ：https://youtu.be/T23xDDES_qo

整合包下载：https://drive.google.com/drive/folders/1CSTz1mT6B4rgyeFaXpvH_Ceh1ItlVn7I

整合包源码：https://github.com/kigner/dots.tts

一、快速开始

1. 把整个文件夹解压到一个英文路径、无空格的目录（例如 D:\dots.tts）。
2. 确认是 NVIDIA 显卡且驱动较新。
   • 不需要安装 CUDA / CUDA Toolkit：CUDA 运行库已随整合包一起带好（在 torch\lib）。
   • 只需装显卡驱动：命令行运行 nvidia-smi，右上角 CUDA Version 显示 12.x（≥12.0） 即可； 嫌麻烦就直接更新到最新 NVIDIA 驱动。A 卡 / 核显 / 无独显无法运行。
3. 双击 启动WebUI-soar.bat（音质 / 克隆相似度最佳）或 启动WebUI-mf.bat（更快、更省显存）。
4. 整合包自带了mf（蒸馏版）模型，运行[启动WebUI-mf.bat]时无需下载；[启动WebUI-soar.bat]首次启动会自动下载模型。整合包使用了triton加速库，
5. 第一次运行要现场做一次预热/编译（约 5-8 分钟，黑窗口里有日志），请不要关闭窗口；之后启动很快。
6. 加载完成后会自动打开浏览器（soar 是 http://127.0.0.1:7861，mf 是 7860），即可使用。

模型就在整合包内的 hf_cache\ 目录里，整个文件夹拷到别的（有 NVIDIA 显卡的）机器即可继续用。

二、参考音频小贴士

• 参考音频保持 ~10s 即可，更长不会更好。
• 转写文本要和音频内容一致。
• 参考音频越干净（高采样率、无底噪、无尾音）克隆效果越好。
• 想要不同的语气/节奏，改一下 Settings 里的 Seed 多试几次。
• 多音字可用拼音强制读音，例如把「好」写成带声调拼音 hào：我生平不hào此道 （只认带声调拼音 hǎo/hào，不认 hao4）。

三、参数说明（右侧 ⚙️ Settings）