AI Voice Cloning
JarodMica/ai-voice-cloningRevisado por IA
Verificado pelo RepoPicks Radar em
O que é AI Voice Cloning?
AI Voice Cloning é uma página web que roda no seu próprio computador, construída em torno do modelo Tortoise TTS, onde você envia amostras de uma voz e faz ela ler o texto que você digitar. Também pode treinar com suas próprias gravações, transcrevê-las com Whisper ou WhisperX, e passar o resultado pelo RVC para deixar o som mais parecido com a voz alvo. Precisa de uma placa de vídeo NVIDIA: no Windows você descompacta um pacote já pronto e executa start.bat, no Linux você constrói uma imagem Docker. O autor arquivou o projeto em 2025 e indica modelos mais novos no lugar.
AI Voice Cloning é grátis e de código aberto (GPL-3.0) e pode substituir ElevenLabs e Respeecher.
Quão fácil é instalar AI Voice Cloning?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- Linux D
O Windows é o lado mais fácil e ainda assim é um D: você precisa de uma placa NVIDIA, depois descompacta um pacote 7-Zip hospedado no Hugging Face e executa start.bat, que baixa a maior parte dos modelos na primeira execução, com mais downloads depois durante a geração e o treinamento. Linux significa Docker mais o NVIDIA Container Toolkit e construir a imagem você mesmo com ./setup-docker.sh.
Em breve: instale com 1 clique pelo app RepoPicks.
AI Voice Cloning no GitHub
- Estrelas
- 774em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- —sem ganho na última leitura
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, Linux
- Você precisa instalar
- Python, Docker, Placa de vídeo, FFmpeg
- Para compilar a partir do código
- Python, Docker, Placa de vídeo, FFmpeg
- Espaço em disco
- 150 MB–450 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · GPL-3.0; tudo roda na sua própria máquina, então o custo é o hardware e a eletricidade.
- Licença
- GPL-3.0 (Copyleft)
- Pode substituir
- ElevenLabs, Respeecher
- Última mudança no GitHub
- 9 de jun. de 2025
Sinais de risco de AI Voice Cloning (9)
- Atençãolançamentos desatualizados
Último lançamento em 2024-04-23 (há 929 dias)
checagem automática
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixas com vulnerabilidades conhecidas (OSV): gradio: GHSA-26jh-r8g2-6fpr, GHSA-279j-x4gx-hfrh, GHSA-37qc-qgx6-9xjv; transformers: GHSA-282v-666c-3fvg, GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm; starlette: GHSA-2c2j-9gv5-cj73, GHSA-82w8-qh3p-5jfq, GHSA-86qp-5c8j-p5mr
checagem automática
- Atençãoclona a voz de pessoas reais
Todo o propósito é copiar uma voz a partir de amostras, e a seção de RVC do README diz para você trazer "a **trained** RVC .pth file that you get from RVC or online" e colocá-lo em `models/rvc_models/`. Fazer uma pessoa real parecer dizer palavras que nunca disse pode violar direitos de voz e imagem, e leis contra personificação em vários países.
revisão por IA
- Atençãoinstala código de muitas fontes externas
O Dockerfile busca código e pacotes de modelos direto de endereços de terceiros durante a instalação: `curl -L -o /tmp/rvc.zip https://huggingface.co/Jmica/rvc/resolve/main/rvc_lightweight.zip`, `pip install git+https://github.com/liyaodev/fairseq`, `git+https://github.com/JarodMica/rvc-tts-pipeline.git@lightweight`, `git+https://github.com/m-bain/whisperx.git` e uma cópia de `pyfastmp3decoder`. Nenhum deles está fixado em uma versão, então o que você recebe depende do dia em que instala.
revisão por IA
- Atençãobinário compilado incluído no repositório
A lista de arquivos de primeiro nível contém `deepspeed-0.8.3+6eca037c-cp39-cp39-win_amd64.whl`, um pacote Python para Windows já compilado, guardado no repositório e instalado pelos scripts de configuração. Seu conteúdo não pode ser lido no código-fonte.
revisão por IA
- InfoRepositório arquivado
O repositório está arquivado (somente leitura, não é mais mantido)
checagem automática
- Infopacote pronto hospedado fora do github
README, Setup: "Head over to the releases tab and download the latest package on Hugging Face" — o pacote do Windows não é um arquivo de um lançamento do GitHub, o que também explica por que a verificação do Radar encontrou "no platform binaries" nos lançamentos v3.0, v2.0 e v1.0.
revisão por IA
- Infointerface web sem senha
README, Building and Running in Docker: "Visit `http://localhost:7860` or remotely with `http://<ip>:7860`". A página do Gradio não tem login, então qualquer pessoa que conseguir chegar até aquela porta pode usar as vozes e os arquivos da máquina.
revisão por IA
- Infoo autor indica projetos mais novos
README: "I don't have any further plans to maintain this repo (Tortoise TTS) so I will be archiving it... There are better alternatives out there that work just as well or better than Tortoise: XTTS, GPT-SoVITS, F5TTS, StyleTTS2, Zonos, etc." O código é mantido apenas "in a working state".
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em AI Voice Cloning
- Quanto espaço em disco os modelos realmente ocupam depois da primeira execução e depois do treinamento, já que são baixados pouco a pouco
- Se a instalação ainda é concluída hoje, com instalações sem versão fixa a partir do GitHub e do Hugging Face e dois anos sem manutenção
- Se uma placa AMD funciona pelos scripts setup-rocm ou DirectML, algo que o README não cobre
- Quão parecida fica a voz clonada, e quanto tempo levam a geração e o treinamento em uma determinada placa de vídeo
- Se as vulnerabilidades conhecidas nas versões fixas de gradio, transformers e starlette podem ser alcançadas no uso normal