[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-71017":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":22,"archived":23,"fork":24,"defaultBranch":25,"hasWiki":24,"hasPages":24,"topics":26,"createdAt":10,"pushedAt":10,"updatedAt":32,"readmeContent":33,"aiSummary":34,"trendingCount":16,"starSnapshotCount":16,"syncStatus":35,"lastSyncTime":36,"discoverSource":37},71017,"clone-voice","jianchang512\u002Fclone-voice","jianchang512","A sound cloning tool with a web interface, using your voice or any sound to record audio \u002F 一个带web界面的声音克隆工具，使用你的音色或任意声音来录制音频","https:\u002F\u002Fpyvideotrans.com",null,"Python",8959,986,1,40,0,5,11,14,15,39.98,"Other",true,false,"main",[27,28,29,30,31],"clonevoice","speech-analysis","sts","tts","voice-assistant","2026-06-12 02:02:46","[English README](.\u002FREADME_EN.md)  \u002F [捐助项目](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fpyvideotrans\u002Fissues\u002F80) \u002F [Discord](https:\u002F\u002Fdiscord.gg\u002F7ZWbwKGMcx)\n\n# CV声音克隆工具\n\n> 本项目所用模型为[coqui.ai](https:\u002F\u002Fcoqui.ai\u002F)出品的xtts_v2，模型开源协议为[Coqui Public Model License 1.0.0](https:\u002F\u002Fcoqui.ai\u002Fcpml.txt),使用本项目请遵循该协议，协议全文见 https:\u002F\u002Fcoqui.ai\u002Fcpml.txt\n\n\n 这是一个声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。\n \n 使用非常简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。\n \n 支持 **中、英、日、韩、法、德、意等16种语言**，可在线从麦克风录制声音。\n \n 为保证合成效果，建议录制时长5秒到20秒，发音清晰准确，不要存在背景噪声。\n \n 英文效果很棒，中文效果还凑合。\n\n\n\n# 视频演示\n\n\nhttps:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Fassets\u002F3378335\u002F4e63f2ac-cc68-4324-a4d9-ecf4d4f81acd\n\n\n\n![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Fassets\u002F3378335\u002F5401a3f8-1623-452b-b0b3-cb2efe87e3d1)\n\n\n\n\n# window预编译版使用方法(其他系统可源码部署)\n\n1. [点击此处打开Releases下载页面](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Freleases)，下载预编译版主文件(1.7G) 和 模型(3G)\n\n2. 下载后解压到某处，比如 E:\u002Fclone-voice 下\n\n3. 双击 app.exe ，等待自动打开web窗口，**请仔细阅读cmd窗口的文字提示**,如有错误，均会在此显示\n\n4. 模型下载后解压到软件目录下的 `tts` 文件夹内，解压后效果如图 \n\n![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Fassets\u002F3378335\u002F4b5a60eb-124d-404b-a748-c0a527482e90)\n\n5. 转换操作步骤\n\t\n\t- 选择【文字->声音】按钮，在文本框中输入文字、或点击导入srt字幕文件，然后点击“立即开始”。\n\t\n\t- 选择【声音->声音】按钮，点击或拖拽要转换的音频文件(mp3\u002Fwav\u002Fflac)，然后从“要使用的声音文件”下拉框中选择要克隆的音色，如果没有满意的，也可以点击“本地上传”按钮，选择已录制好的5-20s的wav\u002Fmp3\u002Fflac声音文件。或者点击“开始录制”按钮，在线录制你自己的声音5-20s，录制完成点击使用。然后点击“立即开始”按钮\n\t\n6. 如果机器拥有N卡GPU，并正确配置了CUDA环境，将自动使用CUDA加速\n\n\n\n# 源码部署(linux mac window)\n\n**源码版需要在 .env 中 HTTP_PROXY=设置代理(比如http:\u002F\u002F127.0.0.1:7890)，要从 https:\u002F\u002Fhuggingface.co https:\u002F\u002Fgithub.com 下载模型，而这个网址国内无法访问，必须保证代理稳定可靠，否则大模型下载可能中途失败**\n\n0. 要求 python 3.9->3.11, 并且提前安装好 git-cmd 工具，[下载地址](https:\u002F\u002Fgithub.com\u002Fgit-for-windows\u002Fgit\u002Freleases\u002Fdownload\u002Fv2.44.0.windows.1\u002FGit-2.44.0-64-bit.exe)\n1. 创建空目录，比如 E:\u002Fclone-voice, 在这个目录下打开 cmd 窗口，方法是地址栏中输入 `cmd`, 然后回车。\n使用git拉取源码到当前目录 ` git clone git@github.com:jianchang512\u002Fclone-voice.git . `\n2. 创建虚拟环境 `python -m venv venv`\n3. 激活环境，win下 `E:\u002Fclone-voice\u002Fvenv\u002Fscripts\u002Factivate`，\n4. 安装依赖: `pip install -r requirements.txt --no-deps`, \nwindows 和 linux 如果要启用cuda加速，继续执行 `pip uninstall -y torch` 卸载，然后执行`pip install torch torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu121`。(必须有N卡并且配置好CUDA环境)\n5. win下解压 ffmpeg.7z，将其中的`ffmpeg.exe`和`app.py`在同一目录下, linux和mac 到 [ffmpeg官网](https:\u002F\u002Fffmpeg.org\u002Fdownload.html)下载对应版本ffmpeg，解压其中的`ffmpeg`程序到根目录下，必须将可执行二进制文件 `ffmpeg` 和app.py放在同一目录下。\n\n   ![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Fassets\u002F3378335\u002F0c61c8b6-7f7e-475f-8984-47fb87ba58e8)\n\n6. **首先运行**  `python  code_dev.py `，在提示同意协议时，输入 `y`，然后等待模型下载完毕。\n   ![](.\u002Fimages\u002Fcode_dev01.png)\n   ![](.\u002Fimages\u002Fcode_dev02.png)\n   \n\t下载模型需要挂全局代理，模型非常大，如果代理不够稳定可靠，可能会遇到很多错误，大部分的错误均是代理问题导致。\n\t\n\t如果显示下载多个模型均成功了，但最后还是提示“Downloading WavLM model”错误，则需要修改库包文件 `\\venv\\Lib\\site-packages\\aiohttp\\client.py`, 在大约535行附近，`if proxy is not None:` 上面一行添加你的代理地址，比如 `proxy=\"http:\u002F\u002F127.0.0.1:10809\"`.\n\n7. 下载完毕后，再启动 `python app.py`\n\n8. **【训练说明】** 如果想训练，执行 `python train.py`, 训练参数在 `param.json`中调整，调整后重新执行训练脚本`python train.py`\n\n8. 每次启动都会连接墙外检测或更新模型，请耐心等待。如果不想每次启动都检测或更新，需手动修改依赖包下文件，打开 \\venv\\Lib\\site-packages\\TTS\\utils\\manage.py ,大约 389 行附近，def download_model 方法中，注释掉如下代码\n\n```\nif md5sum is not None:\n\tmd5sum_file = os.path.join(output_path, \"hash.md5\")\n\tif os.path.isfile(md5sum_file):\n\t    with open(md5sum_file, mode=\"r\") as f:\n\t\tif not f.read() == md5sum:\n\t\t    print(f\" > {model_name} has been updated, clearing model cache...\")\n\t\t    self.create_dir_and_download_model(model_name, model_item, output_path)\n\t\telse:\n\t\t    print(f\" > {model_name} is already downloaded.\")\n\telse:\n\t    print(f\" > {model_name} has been updated, clearing model cache...\")\n\t    self.create_dir_and_download_model(model_name, model_item, output_path)\n```\n\n9. 源码版启动时可能频繁遇到错误，基本都是代理问题导致无法从墙外下载模型或下载中断不完整。建议使用稳定的代理，全局开启。如果始终无法完整下载，建议使用预编译版。\n\n\n\n\n# 常见问题\n\n**模型xtts仅可用于学习研究，不可用于商业**\n\n0. 源码版需要在 .env 中 HTTP_PROXY=设置代理(比如http:\u002F\u002F127.0.0.1:7890)，要从 https:\u002F\u002Fhuggingface.co https:\u002F\u002Fgithub.com 下载模型，而这个网址国内无法访问，必须保证代理稳定可靠，否则大模型下载可能中途失败\n\n1. 启动后需要冷加载模型，会消耗一些时间，请耐心等待显示出`http:\u002F\u002F127.0.0.1:9988`， 并自动打开浏览器页面后，稍等两三分钟后再进行转换\n\n2. 功能有：\n\n\t\t文字到语音:即输入文字，用选定的音色生成声音。\n\t\t\n\t\t声音到声音：即从本地选择一个音频文件，用选定的音色生成另一个音频文件.\n\t\t\n3. 如果打开的cmd窗口很久不动，需要在上面按下回车才继续输出，请在cmd左上角图标上单击，选择“属性”，然后取消“快速编辑”和“插入模式”的复选框\n\n![](.\u002Fimages\u002F3.png)\n![](.\u002Fimages\u002F4.png)\n\n\n4. 预编译版 声音-声音线程启动失败\n\n   首先确认模型已正确下载放置。tts文件夹内有3个文件夹，如下图\n   ![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Fassets\u002F3378335\u002F4b5a60eb-124d-404b-a748-c0a527482e90)\n\n   如果已正确放置了，但仍错误，[点击下载 extra-to-tts_cache.zip](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fclone-voice\u002Freleases\u002Fdownload\u002Fv0.0.1\u002Fextra-to-tts_cache.zip) ，将解压后得到的2个文件，复制到软件根目录的 tts_cache 文件夹内\n\n   如果上述方法无效，在 .env 文件中 HTTP_PROXY后填写代理地址比如 `HTTP_PROXY=http:\u002F\u002F127.0.0.1:7890`，可解决该问题，必须确保代理稳定，填写端口正确\n\n5. 提示 “The text length exceeds the character limit of 182\u002F82 for language”\n\n   这是因为由句号分隔的句子太长导致的，建议将太长的语句使用句号隔开，而不是大量使用逗号，或者你也可以打开 clone\u002Fcharacter.json文件，手动修改限制\n   \n6. 提示\"symbol not found __svml_cosf8_ha\"\n\n打开网页 https:\u002F\u002Fwww.dll-files.com\u002Fsvml_dispmd.dll.html ,点击红色\"Download\"下载字样，下载后解压，将里面的dll文件复制粘贴到\"C:\\Windows\\System32\"\n   \n\n\n\n# CUDA 加速支持\n\n**安装CUDA工具** [详细安装方法](https:\u002F\u002Fjuejin.cn\u002Fpost\u002F7318704408727519270)\n\n如果你的电脑拥有 Nvidia 显卡，先升级显卡驱动到最新，然后去安装对应的 \n   [CUDA Toolkit 11.8](https:\u002F\u002Fdeveloper.nvidia.com\u002Fcuda-downloads)  和  [cudnn for CUDA11.X](https:\u002F\u002Fdeveloper.nvidia.com\u002Frdp\u002Fcudnn-archive)。\n   \n   安装完成成，按`Win + R`,输入 `cmd`然后回车，在弹出的窗口中输入`nvcc --version`,确认有版本信息显示，类似该图\n   ![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fpyvideotrans\u002Fassets\u002F3378335\u002Fe68de07f-4bb1-4fc9-bccd-8f841825915a)\n\n   然后继续输入`nvidia-smi`,确认有输出信息，并且能看到cuda版本号，类似该图\n   ![image](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fpyvideotrans\u002Fassets\u002F3378335\u002F71f1d7d3-07f9-4579-b310-39284734006b)\n\n   说明安装正确，可以cuda加速了，否则需重新安装\n\n\n\n# 相关联项目\n\n[视频翻译配音工具:翻译字幕并配音](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fpyvideotrans)\n\n[语音识别工具:本地离线的语音识别转文字工具](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fstt)\n\n[人声背景乐分离:极简的人声和背景音乐分离工具，本地化网页操作](https:\u002F\u002Fgithub.com\u002Fjianchang512\u002Fvocal-separate)\n\n\n# [Youtube演示视频](https:\u002F\u002Fyoutu.be\u002FCC227GXOJLk)\n","这是一个带Web界面的声音克隆工具，使用你的音色或任意声音来录制音频。项目基于Coqui.ai的xtts_v2模型，支持将文字合成为指定音色的语音，或将一个声音转换为另一个声音。其核心功能包括多语言支持（中、英、日、韩等16种语言）、在线麦克风录音以及无需N卡GPU即可运行。适合用于个人娱乐、语音助手开发或多媒体内容创作等多种场景。",2,"2026-06-11 03:35:27","high_star"]