纯 CPU 语音克隆：逐句转写并重录读错的句子

一套纯 CPU 运行的语音克隆流程用 15 秒样本克隆作者声音，逐句朗读脚本后用语音转写模型比对原文，不匹配就以新随机种子重录，最多 4 次。该方案在 8 核、15 GB 内存的机器上每集约需 1 小时，仅使用 MIT 和 Apache 许可模型，Chatterbox 会加入不可听水印以标识 AI 生成。