RepoPicks Radar

每天约 23:30 UTC 更新

指南

AI Voice Cloning

JarodMica/ai-voice-cloningAI 已审核

RepoPicks Radar 检查于

AI Voice Cloning 是什么?

AI Voice Cloning是一个在你自己电脑上运行的网页,基于Tortoise TTS模型,你上传一段声音样本,就能让它朗读你输入的文本。它也可以用你自己的录音来训练,用Whisper或WhisperX转写文字,再把结果经过RVC处理,让声音更接近目标说话人。它需要一张NVIDIA显卡:在Windows上你解压一个现成的安装包并运行start.bat,在Linux上你要自己构建Docker镜像。作者在2025年把项目归档,并建议改用更新的模型。

AI Voice Cloning 免费开源(GPL-3.0),可以替代 ElevenLabs和Respeecher。

AI 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

Windows是比较简单的一侧,但评级仍是D:你需要一张NVIDIA显卡,然后解压一个托管在Hugging Face上的7-Zip安装包并运行start.bat,它会在第一次启动时下载大部分模型,之后在生成和训练过程中还会下载更多。Linux则需要Docker加上NVIDIA Container Toolkit,并自己用./setup-docker.sh构建镜像。

即将推出:用 RepoPicks 应用一键安装。

AI Voice Cloning 的 GitHub 数据

星标
7742026年11月10日
下载量
—所有发布版本
增长
—上次读取时无增长

星标变化

774775776 11月9日11月10日 774775776 11月9日11月10日

事实

可运行于
Windows, Linux
需要安装
Python, Docker, 显卡, FFmpeg
从源码编译需要
Python, Docker, 显卡, FFmpeg
磁盘空间
150 MB–450 MB · 估算
账号或密钥
无
费用
免费 · GPL-3.0许可;一切都在你自己的机器上运行,所以成本只是硬件和电费。
许可证
GPL-3.0 (Copyleft)
可以替代
ElevenLabs, Respeecher
GitHub 上的最近改动
2025年6月9日

AI Voice Cloning 的风险信号 (9)

  • 注意发布已过时

    最近一次发布在2024-04-23(929天前)

    自动检查

  • 注意依赖存在已知漏洞

    锁定版本的依赖中存在已知漏洞(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

    自动检查

  • 注意克隆真实人物的声音

    项目的全部目的就是从样本中复制一个声音,README中RVC那一节让你带上"a **trained** RVC .pth file that you get from RVC or online",放进`models/rvc_models/`。让一个真实的人看起来说了他从未说过的话,可能侵犯声音和形象权,也可能触犯多个国家中关于冒充他人的法律。

    AI 审核

  • 注意从许多外部来源安装代码

    Dockerfile在安装过程中直接从第三方地址拉取代码和模型包:`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`,还会克隆一份`pyfastmp3decoder`。这些都没有锁定固定版本,所以你安装当天得到的内容会不一样。

    AI 审核

  • 注意仓库中提交了编译好的二进制文件

    顶层文件列表中有`deepspeed-0.8.3+6eca037c-cp39-cp39-win_amd64.whl`,这是一个预先编译好的Windows Python包,存放在仓库里并由安装脚本安装。它的内容在源码中无法查看。

    AI 审核

  • 信息仓库已归档

    该仓库已被归档(只读,不再维护)

    自动检查

  • 信息现成安装包托管在github之外

    README的Setup部分写道:"Head over to the releases tab and download the latest package on Hugging Face" —— Windows安装包并不是GitHub发布版的附件,这也是为什么Radar的检查在v3.0、v2.0和v1.0发布版中都发现"no platform binaries"(没有平台二进制文件)。

    AI 审核

  • 信息网页界面没有密码

    README的Building and Running in Docker部分写道:"Visit `http://localhost:7860` or remotely with `http://<ip>:7860`"。这个Gradio页面没有登录环节,所以任何能连到那个端口的人都能使用机器上的声音和文件。

    AI 审核

  • 信息作者建议改用更新的项目

    README写道:"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." 代码只是保持在"in a working state"(可运行的状态)。

    AI 审核

证据以原始语言显示。

Radar 无法验证的 AI Voice Cloning 相关内容

  • 模型在第一次启动后以及训练之后到底占用多少磁盘空间,因为它们是逐步下载的
  • 在GitHub和Hugging Face上都没有锁定版本的安装、又两年没有维护的情况下,安装流程今天是否还能顺利完成
  • AMD显卡能否通过setup-rocm或DirectML脚本运行,README并没有说明这一点
  • 克隆出来的声音到底有多像,以及在某款显卡上生成和训练各需要多长时间
  • gradio、transformers和starlette这些锁定版本中已知的漏洞,在正常使用中是否真的会被触发

类似项目

RepoPicks 应用

即将推出:用 RepoPicks 应用一键安装。

下载之前

在 GitHub 上查看版本页面