OpenVoice 语音克隆快速上手10 秒录音几分钟跑通第一版声音【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做课程、做产品演示时你总需要一条稳定一致的声音但专业配音按条计费每种语言还要重新录。OpenVoice 是 MIT 与 MyShell 开源的语音克隆工具一段 10 秒的干净录音就能提取出你的音色让你写的任何文字都用这个声音念出来。V1 与 V2 都是 MIT 许可证商用不花一分钱授权费。这篇文章带你从零走到听到第一版输出。开工前检查清单环境差一步都白装官方安装路径面向 Linux Python 3.9 PyTorch先把四项对一遍再动手项目要求说明系统LinuxWindows 可参考 docs/USAGE.md 里的社区版指南Python3.9用 conda 建独立环境别污染系统 PythonPyTorch可正常导入跑之前确认torch.cuda.is_available()返回 True参考音频10 秒左右单人录音无背景噪音、无长静音录音质量直接决定克隆效果从安装到听到声音的三步第 1 步装环境。在终端里依次执行conda create -n openvoice python3.9 conda activate openvoice git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice pip install -e .怎么算成功pip install -e .跑完不报错所有依赖装齐。第 2 步放模型文件。到 docs/USAGE.md 的 V1 章节下载 checkpoint 压缩包解压到项目根目录的checkpoints文件夹。怎么算成功checkpoints目录下能看到解压出来的模型文件。V2 的 checkpoint 同理放到checkpoints_v2并需按文档追加安装 MeloTTS 依赖。第 3 步跑示例。打开 demo_part1.ipynb 逐格执行或者直接跑python -m openvoice_app --share起一个本地 gradio 页面。怎么算成功示例产出音频文件你听到的是参考音频里那个人的音色在读全新的文字。这个声音用在哪三个真实场景跑通之后一段参考录音的价值就不止一次。课程批量配音是最直接的一例把课件脚本交给它同一音色口播整门课风格参数可以在 demo 里逐项调。多语言版本也能一次搞定V2 原生支持中、英、日、法、西、韩 6 种语言一段中文参考就能直接念出英语、日语版本本地化素材不用重新配音。机器配置不够、只想先验证想法时可以走官方在线演示入口列在 docs/USAGE.md 的 Quick Use 章节流程如下图进 Workshop建一个 Bot再用 voice cloning 创建你的声音。10 秒录音凭什么带得走音色把一句话原理放前面OpenVoice 把声音拆成谁在说和说了什么两层只替换音色这一层内容和语言照旧。打个比方TTS 基础模型像一位大厨什么菜都会做音色提取器则从你 10 秒的录音里蒸馏出一包专属调味。不管大厨今天做的是哪道菜、用哪种方言的火候只要撒进这包调味成品吃起来都是你的味。图里的 IPA 对齐负责把发音位置卡准保证换完音色后每个音节都不跑调。高频问题每个症状对应的第一个动作问安装过程报错或模型加载失败答先核对 Python 是否为 3.9、PyTorch 能否正常导入。另有一个高概率的坑代码首次运行会自动下载 silero-vad 组件网络访问不到 github 就会失败。解法是手动把对应 zip 下载下来解压到~/.cache/torch/hub/下指定目录详见 docs/QA.md 的 Silero 一节。问克隆出来不太像那个人答记住它只克隆音色不克隆口音和情绪——口音与情绪由基础 TTS 模型决定。第一步不是换模型而是换一段更干净的参考录音单人、无背景音、10 秒以上。问生成的音频有噪点、质量差答按顺序排查四件事参考音频是否有背景噪音、是否太短、是否混入第二个人的声音、是否含有长段静音。还有一个隐蔽项如果你复用了旧参考音频的文件名先删掉processed缓存目录否则模型会拿上次的处理结果。问V1 和 V2 怎么选答追音质和多语言能力就选 V2它换了训练策略、音质更好额外装 MeloTTS 依赖即可步骤在 docs/USAGE.md 的 V2 章节。下一步OpenVoice 把克隆一个能用的声音的成本压到 10 秒录音加几条命令。现在就打开 demo_part1.ipynb 跑完三格听到第一版输出后再回头按需切语言、调风格参数。【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