Ming-3.0-TTS 部署：2G 显存可跑的音色克隆

蚂蚁集团开源 Ming-3.0-TTS，AI语音TTS，音色克隆，2G显存，本地部署，多角色配音，SRT字幕配音 | 余子越

AI 声音与配音视频教程· 进阶· 6 分钟· UP 主余子越Talk· TTS / ming-3.0-tts / B站AI无限竞技场

▶ 1.0万播放

可通过自然语言指令实现自由形式的语气控制，并支持 14 种内联标签表达笑声、叹息等副语言特征。Ming-3.0-TTS 部署：2G 显存可跑的音色克隆：余子越Talk 的完整实操演示，约 7 分钟走完从环境准备到成品输出的全过程

这套教程讲什么

独立完成配音或翻唱成品

想把老视频、老音频换人声或做方言版本的内容运营。

多角色内容先建一张角色音色表：角色名、音色、语速、情绪标注，再逐句标归属。后期配音与字幕对轴都靠这张表，临时记很容易乱。

声音克隆有风险吗？

未经本人同意克隆他人声音可能侵权并违反平台规则，商用前须取得授权。

本地部署和在线工具有什么差别？

在线版省事但按量计费、声音要上传；本地版一次性投入算力，长音频与隐私场景更划算。

能做出情绪起伏吗？

多数模型支持情绪或风格提示，配合标点断句与分段生成最明显，整段一次性生成通常最平。

声音这条线上其实跑着两种完全不同的活：一种是把文字念出来（TTS 配音、有声书、口播旁白），另一种是把一个人的声音换成另一个人的声音（音色克隆、变声、AI 翻唱）。前者考的是文稿和参数，后者考的是素材质量和训练流程，混着学很容易两边都卡住。本分类按这两条路径分开整理，看到标题就知道自己该补哪一块。