Real-Time Voice Cloning
CorentinJ/Real-Time-Voice-CloningRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Real-Time Voice Cloning?
Este é o código por trás de uma tese de mestrado: você dá alguns segundos de alguém falando, o programa cria uma espécie de impressão digital dessa voz e depois lê o texto que você digitar nessa voz. Há uma pequena janela de desktop (a "toolbox") e uma versão de linha de comando, além dos scripts de treinamento. Funciona em Windows e Linux, precisa de ffmpeg e Python instalados via uv, e uma placa NVIDIA torna o uso viável. O próprio autor diz que o projeto "envelheceu rápido" e que serviços pagos têm som melhor.
Real-Time Voice Cloning é grátis e de código aberto (MIT) e pode substituir ElevenLabs e Respeecher.
Quão fácil é instalar Real-Time Voice Cloning?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- Linux D
Não há nenhuma versão pronta para baixar. Tanto no Windows quanto no Linux, o README pede para instalar o ffmpeg, depois instalar a ferramenta uv e então rodar `uv run --extra cuda demo_toolbox.py` (ou `--extra cpu` sem placa NVIDIA), o que configura um ambiente Python e baixa os modelos no primeiro uso. É trabalho de terminal nos dois sistemas, e o projeto só funciona em Windows e Linux de 64 bits, não em macOS.
Em breve: instale com 1 clique pelo app RepoPicks.
Real-Time Voice Cloning no GitHub
- Estrelas
- 60.237em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +13estrelas em 7 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, Linux
- Você precisa instalar
- Python, Placa NVIDIA, FFmpeg
- Para compilar a partir do código
- Python, Placa NVIDIA, FFmpeg
- Espaço em disco
- 900 MB–4,2 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · Código com licença MIT, modelos pré-treinados baixados de graça, e tudo roda na sua própria máquina.
- Licença
- MIT (Permissiva)
- Pode substituir
- ElevenLabs, Respeecher
- Última mudança no GitHub
- 9 de mar. de 2026
Sinais de risco de Real-Time Voice Cloning (6)
- AtençãoComando de instalação executa script da internet
O comando de instalação encaminha um script remoto para um shell: curl -LsSf https://astral.sh/uv/install.sh | sh
checagem automática
- AtençãoFeito para copiar a voz de uma pessoa real
A própria descrição do projeto é "Clone a voice in 5 seconds to generate arbitrary speech in real-time", e o README explica que ele cria "a digital representation of a voice from a few seconds of audio" e depois fala qualquer texto com ela. Como regra, fazer uma gravação que soe como uma pessoa real sem o consentimento dela é restrito por lei em vários países.
revisão por IA
- AtençãoA instalação no Windows contorna a política de scripts
O passo no Windows é `powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"`, que desliga a proteção de scripts do PowerShell e executa um script baixado naquele momento. (A linha do Linux faz o mesmo com curl.) O README oferece `pip install -U uv` como alternativa.
revisão por IA
- InfoO autor diz que o projeto está desatualizado
README, "Heads up": "Like everything else in Deep Learning, this repo has quickly gotten old. Many SaaS apps (often paying) will give you a better audio quality than this repository will", e indica outro projeto (Chatterbox) para quem quer qualidade atual. Não há releases, e as bibliotecas fixadas são antigas (torch 1.10, Pillow 8.4.0, scikit-learn 1.0.2).
revisão por IA
- InfoPrecisa ser exatamente Python 3.9
O pyproject.toml define `requires-python = ">=3.9,<3.10"`, então só funciona com Python 3.9. A ferramenta uv baixa essa versão para você, mas nenhuma mais nova vai funcionar.
revisão por IA
- InfoOs modelos são baixados ao executar
README: "Pretrained models are now downloaded automatically", vindo de https://huggingface.co/CorentinJ/SV2TTS. O que realmente fala chega da internet depois da instalação, e os pacotes do torch vêm dos índices de download.pytorch.org indicados no pyproject.toml.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Real-Time Voice Cloning
- Se a instalação ainda é concluída hoje, já que usa Python 3.9 e bibliotecas antigas fixadas no projeto
- O quanto a voz clonada realmente se parece com a original, algo que só é possível avaliar ouvindo
- Se é utilizável sem placa NVIDIA, já que existe uma opção para CPU, mas a velocidade não é informada
- O uso real de disco depois de baixar os modelos e qualquer conjunto de dados, já que o número aqui é só uma estimativa
- Se o download automático dos modelos ainda funciona