Supertonic：31 种语言的离线语音

简短结论：Supertonic 是一个在设备本地运行的文字转语音模型，Lectern 现在把它和 Piper、Kokoro 并列内置。一个约 129 MB 的下载包就能用十个语音朗读 31 种语言，在中端手机上也运行流畅。目前只有英语和荷兰语由人工听审过；其他语言也能用，但人名和数字可能读错。

Supertonic 是什么

Supertonic 是 Supertone Inc. 做的语音模型，以 OpenRAIL-M 许可公开了权重。Lectern 通过 sherpa-onnx 来运行它，这和 Piper、Kokoro 用的是同一套设备本地运行环境，所以不会有任何内容发送出去：文本在你的手机上输入，音频也在你的手机上输出。每个下载包带有十个语音，五女五男。

它之所以进入 Lectern，是因为它补上了一个空缺。Piper 轻巧、覆盖许多语言，但每个下载包只有一个语音。Kokoro 听起来非常自然，但体积约 350 MB，只读八种语言，还需要一部快手机。Supertonic 介于两者之间：语言比 Kokoro 多得多，每个下载包的语音比 Piper 多，又足够轻，适合大多数人真正在用的手机。

它在 Lectern 的语音中处于什么位置

三个下载包，选与你的书相配的那个

• 英语，约 85 MB。只有英语，也是 Supertonic 里最清晰的英语。
• 五种语言，约 85 MB。英语、韩语、西班牙语、葡萄牙语和法语。
• 31 种语言，约 129 MB。英语、阿拉伯语、保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、爱沙尼亚语、芬兰语、法语、德语、希腊语、印地语、匈牙利语、印度尼西亚语、意大利语、日语、韩语、拉脱维亚语、立陶宛语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语、土耳其语、乌克兰语和越南语。

Supertonic 不读中文、挪威语和希伯来语。中文可以用 Kokoro。

当两个下载包都能读同一种语言时，Lectern 会选读得最好的那个：对英语来说就是英语下载包，它比 31 种语言的那个更清晰。如果你更喜欢另一个，可以在每种语言的“朗读所用的下载”里改。

坦白说的局限

• 并非每种语言都听审过。英语和荷兰语已经过一轮认真的试听。其他语言里，Lectern 会把 Supertonic 标为“尚未审核”，因为人名、数字和缩写可能读错。Lectern 在 Supertonic 朗读之前，已经会先改写数字、时间和常见缩写，但一种没人用耳朵检查过的语言，就该带上这个标签。
• 它仍然需要一些算力。Supertonic 在你收听的同时，在手机上实时生成语音。在较慢的手机上它可能跟不上，朗读就会卡顿或停顿。Lectern 会测量你的手机跟得上多快，并在语音列表里说明（“可能会卡顿”“可能会停顿”）。它只是提醒，不会禁止：如果你喜欢这个语音，依然可以用。
• 带使用限制的许可。OpenRAIL-M 允许任何人使用这些语音，但不得用来欺骗、骚扰或伤害他人，也不得未经同意冒充某人。Lectern 会在第一次下载之前显示一次这些条款。

怎么试用

1. 打开一本书，再打开阅读设置。
2. 进入“音频”标签页，打开“语音”。列表会显示每个能朗读这本书所用语言的引擎，并附上针对该语言的质量用词和下载大小。
3. 点按 Supertonic，下载它，再点按某个语音旁边的播放键试听。
4. 选定一个语音。此后你这种语言的所有书都用它朗读，语速最高可达 3 倍，朗读到的句子会随之高亮。

如果你根本不想选，就保持“自动”：Lectern 会为每种语言选出你的手机跟得上的最佳语音。“自动”如何选择，以及何时该自己选。

常见问题