OpenVoice 语音克隆入门5分钟克隆出属于你的AI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/OpenVoiceOpenVoice 是 MIT 与 MyShell 联合发布的语音克隆音频基础模型它通过分析一段短参考音频的音色让 AI 用被克隆的声音朗读任意文本。本文按装环境 → 跑通首次克隆 → 进阶调参的顺序带你走完全部流程。获取仓库并安装依赖本地部署面向熟悉 Linux 和 Python 的用户纯体验可以直接跳到下一节的线上演示。克隆 OpenVoice 仓库用下面的命令把项目拉到本地git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice安装依赖并准备模型权重依赖清单见 requirements.txt。建议单独建一个 conda 环境避免污染本机已有的 Python 环境conda create -n openvoice python3.9 conda activate openvoice pip install -e .权重需要另行下载并解压到checkpointsV1或checkpoints_v2V2目录下载地址与步骤在 docs/USAGE.md 里有说明。V2 还需要额外安装 MeloTTS 组件照着文档执行即可。在 Workshop 中完成首次声音克隆线上 Workshop 是上手最快的路线不用配置任何环境上传音频就能看到效果。创建 Bot 准备操作环境进入 Workshop 页面点左下角的 Create a Bot 新建一个 Bot它是后续挂载语音的容器。挑选一个顺眼的 TTS 模型打开 Widget Center切到 TTS 标签页按语言和输入输出类型筛选点击任意一张 TTS 模型卡片进入。模型卡片上附带的试听文案可以先帮你判断音色偏好。上传参考音频生成你的声音在 Bot 设置页打开 Voice (TTS) 开关点 Create 上传一段参考音频。系统会从中提取音色并生成可克隆的 Voice之后这个 Bot 读出的所有文本都会用你的声音。看懂背后的声音换色机制知道原理后遇到问题时更容易判断该调哪个环节。整体思路不复杂文本先交给基础 TTS 模型合成出一个别人声音的语音音色提取器Tone color extractor同时分析参考音频得到音色特征Encoder、Flow、Decoder 链路只替换语音的音色内容和节奏保持不变。自己调风格参数口音、情绪、节奏、语调这类风格参数由基础 TTS 模型控制而不是从参考音频里克隆出来的因此风格可调的幅度取决于所选基础模型。用法示例见 demo_part1.ipynb。用另一种语言说出克隆的声音跨语言克隆对参考音频和目标语言都不做硬性限制哪怕两者都没出现在训练集里。多语言示例在 demo_part2.ipynbV2 的原生多语言英、西、法、中、日、韩用法在 demo_part3.ipynb。适合谁用以及边界在哪OpenVoice 定位是技术方案而非成品应用目标用户是开发者和研究者多数声音上效果稳定但不保证每段音频都完美。几个明确的边界只克隆音色不克隆口音和情绪后者由基础 TTS 模型决定。参考音频有基本门槛无明显背景噪音、时长够、只有一个人说话、不含过长静音。V1/V2 均为 MIT 许可商用不受限制。更多安装细节和报错排查直接翻 docs/USAGE.md 与 docs/QA.md常见坑基本都有现成答案。【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