abus-aikorea/voice-pro

これは何？

主な機能

• 01Whisper、Faster-Whisper、Whisper-Timestampedで音声を文字起こし
• 02Edge-TTSとkokoroによる音声合成、およびF5-TTS、E2-TTS、CosyVoiceによるゼロショットのボイスクローン
• 03yt-dlpでYouTube動画をダウンロードし、音声を抽出
• 04Demucsで音楽からボーカルを分離
• 05SRTやASSなどの形式の字幕を翻訳

ユースケース

• クローンした音声やプリセット音声を使って、YouTube動画を別の言語に吹き替える
• ポッドキャストや動画の字幕を単語単位のタイミング付きで生成する
• カラオケやリミックス用に楽曲からボーカルを分離する
• 多言語で配信するために字幕ファイルを翻訳する

クイックスタート

1. 1

   GitHubからリポジトリをダウンロードするか、クローンします

2. 2

   Windowsでstart.batを実行して、Webアプリをインストールして起動します

   start.bat
3. 3

   問題が発生した場合は、installer_filesフォルダーを削除してからstart.batを再実行します

   start.bat

使う前に知っておきたいこと

• !NVIDIA GPUを搭載したWindows向けに開発・テストされています。macOSとLinuxでは動作確認されていません。
• !メンテナーによる開発と更新は現在停止しています。
• !このプロジェクトはGPL-3.0ライセンス（コピーレフト）で提供されており、派生物もオープンソースとして公開する必要があります。
• !Azure TTSやAzure Translatorなど、一部のオプション機能には独自のAPIキーが必要です。

トピック

よくある質問

voice-pro とは？

音声合成、ボイスクローン、Whisper文字起こし、YouTubeダウンロード、音声分離、吹き替え用翻訳を備えたWindows向けGradioアプリ。 Voice-Proは、吹き替えや字幕制作に使えるGradioベースのWebアプリです。YouTube動画のダウンロードと音声抽出、Demucsによる音声分離、Whisper、Faster-Whisper、Whisper-Timestampedによる音声認識、Deep-Translatorを使った100以上の言語への翻訳を統合しており、Azure Translatorも任意で利用できます。

voice-pro は無料で使えますか？ライセンスは？

voice-pro は GPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

voice-pro は今もメンテナンスされていますか？

半年以内に更新あり。voice-pro の最終コミットは 2026年7月13日 です。

voice-pro は何に使えますか？

クローンした音声やプリセット音声を使って、YouTube動画を別の言語に吹き替える ポッドキャストや動画の字幕を単語単位のタイミング付きで生成する カラオケやリミックス用に楽曲からボーカルを分離する 多言語で配信するために字幕ファイルを翻訳する

voice-pro のインストール方法は？

GitHubからリポジトリをダウンロードするか、クローンします Windowsでstart.batを実行して、Webアプリをインストールして起動します: start.bat 問題が発生した場合は、installer_filesフォルダーを削除してからstart.batを再実行します: start.bat

voice-pro はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/abus-aikorea/voice-pro