OpenVoice 免安装语音克隆几秒音频克隆音色本地部署避坑指南【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 联合开源的即时语音克隆模型上传几秒参考音频即可让 AI 用指定人的音色朗读任意文字无需任何训练。V1、V2 均为 MIT 协议商用免费本地运行显存 4GB 起步。没有显卡就直接用官方在线服务零安装。它是怎么做到的文本和风格参数情感、语调、节奏先进基础 TTS 模型负责把文字合成语音的底座模型合成一段带目标风格的语音音色提取器把音频压成音色特征向量的部件再分析参考音频得到说话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保持不动。最终输出是一段“像那个人说的”、但情感与节奏完全由参数指定的语音。两条路跑通它免安装在线路径打开 MyShell Workshop创建一个 Bot。在设置中开启 Voice (TTS)从 Widget Center 的 TTS 分类挑一个基础音色并试听。选择 voice cloning上传几秒干净参考音频输入要朗读的文本。几秒后拿到克隆结果英式英语、美式英语、中文、日语、韩语、西班牙语等共 9 个语言入口参考音频本身可以是任意语言。本地最短路径conda create -n openvoice python3.9 conda activate openvoice git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice pip install -e .官方 checkpoint 需解压到checkpointsV1或checkpoints_v2V2目录再运行python -m openvoice_app --share启动本地 Gradio 页面浏览器打开即可试用。它的能力与天花板做得到做不到几秒干净人声即可克隆音色生成同音色语音只克隆音色不克隆情感与口音换情感或口音必须换基础 TTS 模型换参考音频无效音色与风格解耦情感、语调、节奏可单独调节基础 TTS 模型不支持的语言无法直接输出V2 原生支持英、西、法、中、日、韩 6 种语言可跨语言零样本克隆参考音频必须干净有背景噪音、多人同说或时长太短都会明显劣化翻车自查清单启动报找不到模型→ 原因权重漏下 → 解法把官方 checkpoint 解压到checkpointsV1或checkpoints_v2V2目录。首次运行卡在下载→ 原因silero-vad语音活动检测组件首次调用自动联网拉取断网环境失败 → 解法手动下载 silero-vad 压缩包解压到~/.cache/torch/hub/snakers4_silero-vad_master。V2 提示缺依赖→ 原因MeloTTS 组件未安装 → 解法按 docs/USAGE.md 的 V2 一节安装 MeloTTS并运行python -m unidic download。生成的声音不像本人→ 原因参考音频不干净背景噪音、多人同说、时长太短、含长静音→ 解法重录一段单人干净人声替换参考音频若沿用旧文件名先删除processed缓存目录。输出情感、口音怎么换都不变→ 原因情感与口音由基础 TTS 模型决定不在克隆范围内 → 解法换成目标语言/口音的基础 speaker 模型在线服务则直接换语言入口。典型玩法与场景 视频解说换音色不重录不动节奏 同一音色批量产出中英文朗读 语音助手改用熟悉的声音回应 多语言学习一人读多种语言对比把音色克隆与风格合成解耦是 OpenVoice 最值得借鉴的设计决策音色只决定“谁在说”情感与节奏交给参数两者可独立替换组合。几秒参考音频、MIT 协议、免安装在线或本地 4GB 显存普通开发者当天即可接入自己的产品。 延伸阅读使用文档 · 常见问题 · 核心源码【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