OpenVoice 即时语音克隆：免安装 3 步体验，附本地部署 4 个避坑点

OpenVoice 即时语音克隆免安装 3 步体验附本地部署 4 个避坑点【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/OpenVoiceOpenVoice 是 MIT 与 MyShell 开源的即时语音克隆模型MIT 协议、商用免费上传几秒参考音频就能生成同音色的朗读语音。本地部署建议有 GPU 的机器官方文档未给出显存具体数字不想装环境就直接用官方在线服务零安装。先对号入座OpenVoice 语音克隆适合的 4 类场景 给视频解说换音色不重录 同一音色批量读中英文 让设备用熟悉的声音回应 同一人读多语言对比发音如果你的需求是让 AI 用某个人的声音读一段文字往下读如果要克隆情感或口音最后的能力表会告诉你它停在哪。免安装 3 步在线体验本地部署 5 行命令在线玩法3 步出结果进入官方在线服务的 Workshop点Create a Bot创建你的 Bot。在 Setting 里打开 Voice (TTS)到 Widget Center 的 TTS 分类里挑一个基础音色并试听。用 voice cloning 上传几秒参考音频输入要朗读的文本等几秒即可试听克隆结果。语言入口共 9 个英式英语、美式英语、印度英语、澳洲英语、西班牙语、法语、中文、日语、韩语参考音频本身可以是任意语言。本地最小命令LinuxPython 3.9conda create -n openvoice python3.9 conda activate openvoice git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice pip install -e .装完后把官方 checkpoint 解压到checkpointsV1或checkpoints_v2V2目录然后运行python -m openvoice_app --share。验证方法浏览器打开它给出的 Gradio 页面输入文本、上传参考音频、勾选同意条款后点 Send右侧Synthesised Audio区域自动播放合成语音即为成功。注意本地 demo 一次最多 200 字符主推英文中文仅支持 default 风格。能力清单它交付了什么停在哪里它交付的它停在哪几秒干净人声即可克隆音色只克隆音色不克隆情感与口音情感、语调、节奏可单独调换情感或口音得换基础 TTS 模型V2 原生支持英西法中日韩 6 语基础模型不支持的语言无法直接输出参考音频可以是任意语言有噪音、多人同说的音频效果变差零样本跨语言克隆不用训练本地 demo 文本限 200 字符原理三步走文本如何变成你的声音输入分两路。第一路你的文本加风格参数情感、语调、节奏进基础 TTS 模型一个默认嗓子的通用朗读模型先合成一段带目标风格的语音。第二路音色提取器把音频压成音色特征向量的指纹扫描器分析你上传的参考音频得到目标人的音色特征。最后音色转换模块把合成语音的音色替换成参考人的风格参数不动。输出落到 outputs/output.wav风格由你指定、音色像那个人在页面里直接可听。本地部署最容易踩的 4 个坑及处理办法启动提示找不到模型漏下权重了checkpoint 必须解压到checkpointsV1或checkpoints_v2V2目录。首次运行卡在下载openvoice/se_extractor.py 里的 silero-vad 组件首次调用会自动联网下载断网环境手动下载并解压到~/.cache/torch/hub/对应目录。V2 报缺依赖除主包外还要装 MeloTTS 组件并下载词典具体命令以 docs/USAGE.md 为准。生成的声音不像参考人依次查参考音频有无背景噪音、是否多人同说、时长是否太短、有无长静音段。结语把音色克隆与风格合成解耦是 OpenVoice 最值得借鉴的设计音色只从参考音频来风格完全归你控制。几秒音频、MIT 协议、商用免费有 GPU 的开发者当天就能接进自己的产品。延伸阅读使用文档docs/USAGE.md · 常见问题docs/QA.md · 核心源码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