這是什麼
VoxCPM2 是很好用的中文／英文聲音複製工具，但它沒學過巴賽語，直接餵巴賽語文字進去會發音崩潰（亂讀、漏字、無限重試）。
本專案是一個橋接工具，把巴賽語的「正確發音」跟「你的聲音」分開處理，最後合而為一：
巴賽語表記
│
▼ basay_text.py（巴賽語音素轉換規則）
espeak 音素文字
│
▼ basay.tw 正式合成服務（https://inkuei-basaytts.hf.space/）
│ ── 跟 https://basay.tw/dictionary/ 用的是同一套引擎，發音正確可靠
機械人聲（內容正確，音色是espeak的）
│
▼ seed-vc（聲音轉換）
最終輸出（內容正確，音色是你複製的聲音）
為什麼這樣設計
- 發音正確性：巴賽語的音韻規則（含1936年Asai調查記錄的Trobiawan聲學重建）已經在 basay.tw 專案中建立並持續維護，直接重用其正式服務最可靠，不必在每台機器上各自編譯維護 espeak-ng。
- 聲音是你的：espeak合成出來的是機械人聲，透過 seed-vc（零樣本聲音轉換）轉換音色，得到「用你的聲音說巴賽語」的效果。
- 跨平台：合成這端走遠端API，不需要在Windows/Mac/Linux各自編譯espeak-ng。
需求
- 一份已安裝好的 voxcpm2-voice-cloner（提供
voices/<名稱>/ref_voice.wav複製聲音資料） - Python 3.10+、ffmpeg
- 網路連線（呼叫 basay.tw 的 Hugging Face Space）
用法
# 在 voxcpm2-voice-cloner 專案目錄下（這個repo放在子資料夾，例如 basay/）
python basay/basay_clone.py "Makawas ita mau Basay" --voice <你的複製聲音名稱>
輸出預設存在 output/basay_cloned.wav。
常用參數：
| 參數 | 說明 |
|---|---|
--espeak-voice |
tai/bsystd（台語適配・預設，聲音轉換後內容較穩）或 tai/bsy（Ipay歷史復原・音韻更精確） |
--espeak-backend |
remote（預設，呼叫basay.tw正式服務）或 local（本機編譯的espeak-ng，見SETUP.md） |
--vc-version |
v1（預設）或 v2（可用 --intelligibility-cfg-rate 直接調整發音清晰度） |
--per-word |
逐字分開合成再接起來，碰到子音被seed-vc吃掉/變質時可以試試 |
--no-normalize |
跳過輸出端的音量正規化（預設會用跟basay.tw一樣的loudnorm基準） |
--keep-espeak-wav |
保留聲音轉換前的espeak機械人聲，方便比對問題出在哪一段 |
執行 python basay/basay_clone.py --help 看完整參數列表。
已知限制
- seed-vc是2024年的零樣本聲音轉換模型，對短詞、不常見子音組合（巴賽語的音韻跟seed-vc訓練時看過的中文/英文不完全一樣）偶爾會誤判內容（子音脫落、母音替換等）。
tai/bsystd+--vc-version v1+ fp32（已是預設值）目前測試起來最穩定。 - 參考聲音（
ref_voice.wav）的錄音品質與發音清晰度，會直接影響複製後的清晰度——這是聲音複製本身的特性，不是bug。
授權
本repo程式碼採 MIT License（見 LICENSE）。
依賴專案各自授權：seed-vc（GPL-3.0，本repo不內附其原始碼，只附修改用的patch，需自行clone）、VoxCPM2（Apache-2.0）、voxcpm2-voice-cloner（MIT）。basay_text.py 取自 basay-tw 專案（MIT）。