3分钟克隆音频：OpenVoice即时语音克隆

3分钟克隆音频OpenVoice即时语音克隆【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice想用你自己的声音给短视频配音、给电子书朗读但没有录音棚也没有设备OpenVoice 能即时语音克隆几秒参考音频就够了读出来的新语音用的是你的音色。给谁用一句话说清它做什么它面向不想训模型的开发者和没有录音条件的内容创作者。只克隆音色情感与口音交给底层 TTS即文本转语音模型两者互不干扰想调哪个调哪个。不装环境三步体验 OpenVoice 语音克隆官方已把服务部署在 MyShell 线上提供英式英语、美式英语、中文、日语、韩语、西班牙语、法语等 9 种语言入口本机什么都不用装。进入 MyShell 的 Workshop创建一个 Bot设置里打开 Voice (TTS)在 Widget Center 的 TTS 分类里挑一个基础音色每个都能试听通过 voice cloning 上传几秒参考音频输入文本几秒后拿到结果。Widget Center 的 TTS 分类里挑选基础音色再在 Bot 设置里打开 Voice (TTS)通过 voice cloning 上传参考音频完成克隆语音克隆的完整链路4 步看懂原理整件事像录音棚里的换歌手旋律和演绎已经录好只换唱的人。文本加风格参数情感、口音、语调进 Base speaker TTS 模型先合成一段目标风格的语音音色提取器分析参考音频把它压缩成音色特征向量音色转换模块剥掉合成语音里原来的声音换上参考人的音色风格原样保留对应图中 Encoder–Flow–Decoder 结构输出音频像参考人但情感和节奏仍由你指定。本地部署5 条命令装好Linux 上 Python 3.9 环境5 条命令完成安装V1 和 V2 流程相同conda create -n openvoice python3.9 conda activate openvoice git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice pip install -e .装完还要下载官方 checkpoint解压到checkpointsV1或checkpoints_v2V2目录。想马上看效果可直接起本地演示页python -m openvoice_app --share部署前看 3 个坑现象 → 原因 → 对策启动提示找不到模型—— 原因没下 checkpoint对策把官方 checkpoint 压缩包解压到checkpoints或checkpoints_v2目录。首次运行卡在 silero-vad 下载—— 原因se_extractor.py里的组件首次调用自动下载网络受限会失败对策手动获取 silero-vad 压缩包解压到~/.cache/torch/hub/对应目录。生成的音频破音、发虚—— 原因参考音频带背景噪音、多人说话或太短对策重录一段干净的单人声音。谁在实际用4 个真实场景谁什么情况下得到什么 视频剪辑师换解说音色又不想重录声音换了原节奏和档期不动 播客与自媒体创作者批量产出中英朗读同一音色多语言输出 智能设备用户想让助手用熟悉的声音回应家人之间多一点人情味 语言学习者同一文本用不同语言听方便对比发音与语调免费可商用吗FAQ 速查本地部署需要什么硬件带 GPU、显存 4GB 以上就够用在线服务则完全不需要硬件。支持哪些语言V2 原生支持英语、中文、日语、韩语、西班牙语、法语 6 种参考音频本身可以是任意语言。能商用吗能。V1 和 V2 均为 MIT 协议商业和研究用途都免费。为什么生成的声音不像参考人先自查参考音频有没有背景噪音、是否混入多人说话、时长是否太短。若音色像但口音情感不一样这不是故障——情感和口音的歌手是基础 TTS 模型OpenVoice 只负责换音色。能克隆情感和口音吗不能。要换口音就换 Base speaker 模型框架允许直接替换。写在最后OpenVoice 把音色克隆和风格合成拆成两件事分开做几秒音频即可上手MIT 协议免费可商用。官方文档docs/USAGE.md常见问题清单docs/QA.md核心源码目录openvoice/【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考