开源、本地运行的语音工作室,支持声音克隆、声音设计、视频配音、听写、转录和有声书制作。
abus-aikorea/voice-pro
基于 Gradio 的网页工具,集成语音合成、声音克隆、Whisper 转录、YouTube 下载、人声分离和翻译,用于配音制作。
可替代:ElevenLabs
- Star
- 13,226
- Fork
- 1,909
- 未关闭 Issue
- 62
- 最近提交
- 3个月前
这是什么?
Voice-Pro 是一个基于 Gradio 的网页应用,用于配音和字幕制作。它整合了 YouTube 视频下载与音频提取、基于 Demucs 的人声分离、Whisper、Faster-Whisper 和 Whisper-Timestamped 语音识别,并通过 Deep-Translator 支持 100 多种语言的翻译,也可接入 Azure Translator。
语音输出方面,项目提供 Edge-TTS 和 kokoro 语音合成,以及 F5-TTS、E2-TTS、CosyVoice 的零样本声音克隆。功能按网页标签页组织,包括配音工作室、Whisper 字幕、翻译和语音生成。
安装脚本面向配备 NVIDIA 显卡的 Windows 系统,项目采用 GPL-3.0 许可证。开发者说明目前暂停了后续开发,macOS 和 Linux 上的运行情况尚未验证。
核心功能
- 01使用 Whisper、Faster-Whisper 和 Whisper-Timestamped 进行语音转录
- 02通过 Edge-TTS、kokoro 生成语音,并用 F5-TTS、E2-TTS、CosyVoice 进行零样本声音克隆
- 03借助 yt-dlp 下载 YouTube 视频并提取音频
- 04使用 Demucs 分离人声与背景音
- 05翻译 SRT、ASS 等格式的字幕文件
适用场景
- 用克隆或预设的声音将 YouTube 视频配成其他语言
- 为播客或视频生成带词级时间轴的字幕
- 从歌曲中分离人声,用于卡拉 OK 或二次创作
- 翻译字幕文件,用于多语言发布
快速上手
- 1
从 GitHub 下载或克隆该仓库
- 2
在 Windows 上运行 start.bat 以安装并启动 Web 应用
start.bat - 3
如果出现问题,删除 installer_files 文件夹并重新运行 start.bat
start.bat
使用前须知
- 仅在配备 NVIDIA GPU 的 Windows 上经过测试,macOS 和 Linux 未经验证。
- 维护者目前暂停了该项目的开发和更新。
- 项目采用 GPL-3.0 许可证,这是一种 copyleft 许可证,衍生作品须保持开源。
- 部分可选功能(如 Azure TTS 和 Azure Translator)需要您自行提供 API 密钥。
标签
常见问题
- voice-pro 是什么?
- 基于 Gradio 的网页工具,集成语音合成、声音克隆、Whisper 转录、YouTube 下载、人声分离和翻译,用于配音制作。 Voice-Pro 是一个基于 Gradio 的网页应用,用于配音和字幕制作。它整合了 YouTube 视频下载与音频提取、基于 Demucs 的人声分离、Whisper、Faster-Whisper 和 Whisper-Timestamped 语音识别,并通过 Deep-Translator 支持 100 多种语言的翻译,也可接入 Azure Translator。
- voice-pro 可以免费使用吗?用的什么许可证?
- voice-pro 以 GPL-3.0 许可证开源。用于商业产品前,请先确认许可证条款。
- voice-pro 还在维护吗?
- 半年内有更新。voice-pro 最近一次提交是在 2026年7月13日。
- voice-pro 适合用来做什么?
- 用克隆或预设的声音将 YouTube 视频配成其他语言 为播客或视频生成带词级时间轴的字幕 从歌曲中分离人声,用于卡拉 OK 或二次创作 翻译字幕文件,用于多语言发布
- voice-pro 怎么安装和运行?
- 从 GitHub 下载或克隆该仓库 在 Windows 上运行 start.bat 以安装并启动 Web 应用: start.bat 如果出现问题,删除 installer_files 文件夹并重新运行 start.bat: start.bat
- 在哪里获取 voice-pro?
- 源代码和安装说明在 GitHub 上:https://github.com/abus-aikorea/voice-pro
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
基于 Whisper 的开源语音转文字工具,支持词级时间戳和说话人分离。
基于 OpenAI Whisper 的桌面应用,可在本机离线转录和翻译音视频。
开源视频翻译工具,集成语音识别、字幕翻译、AI 配音与音视频合成。
开源 AI 创作工作台,整合视频翻译、视频下载、图像与视频生成、配音和脚本写作,基于 Codex CLI 运行。
一款桌面端一站式 AI 数字人应用,提供口型同步视频合成、语音合成、声音复刻和本地模型管理。