语音转文字
上传音频后自动转写，可导出纯文本或带时间轴的字幕（SRT / VTT），适合会议记录与视频字幕。
使用教程
三分钟了解完整流程
从上传参考音频到生成第一段克隆语音，跟着视频走一遍即可上手。
核心能力
从采集到输出，一条链路完成
不堆功能入口，只保留语音工作流里真正高频的两件事：听懂声音，以及复刻声音。
进入转写→
声音克隆
用 3–30 秒参考音频创建专属音色，再用同一声音朗读任意文案，支持情感与风格控制。
数据留在本地
推理在自有环境完成，减少敏感音频外泄风险。
GPU 加速推理
短文本合成通常在数秒内返回，适合高频迭代。
高保真输出
保留音色细节与韵律，减少机械感。