Real-Time Voice Cloning
CorentinJ/Real-Time-Voice-CloningAI 已审核
RepoPicks Radar 检查于
Real-Time Voice Cloning 是什么?
这是一篇硕士论文背后的代码:你提供几秒钟某人说话的录音,程序就会为这个声音建立一种"数字指纹",然后用接近这个声音的语气朗读你输入的文字。项目提供一个小型桌面窗口(工具箱)和一个命令行版本,并附带训练脚本。它可以在Windows和Linux上运行,需要安装ffmpeg以及通过uv配置的Python环境,有NVIDIA显卡会更好用。作者自己说这个项目"很快就过时了",而付费服务的音质更好。
Real-Time Voice Cloning 免费开源(MIT),可以替代 ElevenLabs和Respeecher。
Real-Time Voice Cloning 安装有多容易?
D · 终端、多个工具或特定显卡 · Windows
- Windows D
- Linux D
这里完全没有可直接下载的发布版本。在Windows和Linux上,README都要求先安装ffmpeg,再安装uv工具,然后运行`uv run --extra cuda demo_toolbox.py`(没有NVIDIA显卡则用`--extra cpu`),这会配置Python环境并在首次使用时下载模型。两个系统上都需要在终端里操作,而且项目只支持Windows和64位Linux,不支持macOS。
即将推出:用 RepoPicks 应用一键安装。
Real-Time Voice Cloning 的 GitHub 数据
- 星标
- 60,2372026年11月10日
- 下载量
- —所有发布版本
- 增长
- +137 天内新增星标
星标变化
事实
- 可运行于
- Windows, Linux
- 需要安装
- Python, NVIDIA 显卡, FFmpeg
- 从源码编译需要
- Python, NVIDIA 显卡, FFmpeg
- 磁盘空间
- 900 MB–4.2 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 代码采用MIT许可证,预训练模型可免费下载,所有东西都在你自己的电脑上运行。
- 许可证
- MIT (宽松型)
- 可以替代
- ElevenLabs, Respeecher
- GitHub 上的最近改动
- 2026年3月9日
Real-Time Voice Cloning 的风险信号 (6)
- 注意安装命令会运行来自网络的脚本
安装命令把一个远程脚本通过管道直接传给shell执行:curl -LsSf https://astral.sh/uv/install.sh | sh
自动检查
- 注意项目本身就是为了复制真人的声音而设计
项目自己的描述是"Clone a voice in 5 seconds to generate arbitrary speech in real-time",README中也说明它会根据"a digital representation of a voice from a few seconds of audio"构建声音模型,再用它朗读任意文字。一般来说,在未经本人同意的情况下制作听起来像真人的录音,在许多国家是受法律限制的。
AI 审核
- 注意Windows安装步骤绕过了脚本执行策略
Windows上的安装步骤是`powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"`,它会关闭PowerShell的脚本保护,并执行当时下载的脚本。(Linux那一行用curl做了同样的事。)README也提供了`pip install -U uv`作为替代方案。
AI 审核
- 信息作者自己说项目已经过时
README中的"Heads up"部分写道:"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",并指向另一个项目(Chatterbox)以获得更好的音质。项目没有发布版本,而且固定使用的库版本都比较旧(torch 1.10、Pillow 8.4.0、scikit-learn 1.0.2)。
AI 审核
- 信息必须使用Python 3.9这一个版本
pyproject.toml中设定`requires-python = ">=3.9,<3.10"`,所以只能在Python 3.9上运行。uv工具会自动帮你获取这个版本,但更新的版本都无法使用。
AI 审核
- 信息模型在运行时才会下载
README中写道:"Pretrained models are now downloaded automatically",来自https://huggingface.co/CorentinJ/SV2TTS。真正用于生成语音的内容是安装之后才从网上下载的,torch相关的安装包也来自pyproject.toml中指定的download.pytorch.org索引。
AI 审核
证据以原始语言显示。
Radar 无法验证的 Real-Time Voice Cloning 相关内容
- 现在是否仍能顺利完成安装,因为项目用的是Python 3.9和一批较旧的固定版本库
- 克隆出的声音到底有多像原声,这一点只能靠听来判断
- 没有NVIDIA显卡是否也能正常使用,虽然有CPU选项,但没有说明速度
- 下载模型和任何数据集之后实际占用的磁盘空间,因为这里给出的数字只是估算
- 模型的自动下载功能是否仍然可用