OpenVoice 语音克隆入门：5分钟克隆出属于你的AI声音

OpenVoice 语音克隆入门：5分钟克隆出属于你的AI声音

【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice

OpenVoice 是 MIT 与 MyShell 联合发布的语音克隆音频基础模型，它通过分析一段短参考音频的音色，让 AI 用被克隆的声音朗读任意文本。本文按"装环境 → 跑通首次克隆 → 进阶调参"的顺序，带你走完全部流程。

获取仓库并安装依赖

本地部署面向熟悉 Linux 和 Python 的用户，纯体验可以直接跳到下一节的线上演示。

克隆 OpenVoice 仓库

用下面的命令把项目拉到本地：

git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice

安装依赖并准备模型权重

依赖清单见 requirements.txt。建议单独建一个 conda 环境，避免污染本机已有的 Python 环境：

conda create -n openvoice python=3.9 conda activate openvoice pip install -e .

权重需要另行下载并解压到checkpoints（V1）或checkpoints_v2（V2）目录，下载地址与步骤在 docs/USAGE.md 里有说明。V2 还需要额外安装 MeloTTS 组件，照着文档执行即可。

在 Workshop 中完成首次声音克隆

线上 Workshop 是上手最快的路线，不用配置任何环境，上传音频就能看到效果。

创建 Bot 准备操作环境

进入 Workshop 页面，点左下角的 Create a Bot 新建一个 Bot，它是后续挂载语音的容器。

挑选一个顺眼的 TTS 模型

打开 Widget Center，切到 TTS 标签页，按语言和输入输出类型筛选，点击任意一张 TTS 模型卡片进入。模型卡片上附带的试听文案可以先帮你判断音色偏好。

上传参考音频生成你的声音

在 Bot 设置页打开 Voice (TTS) 开关，点 Create 上传一段参考音频。系统会从中提取音色并生成可克隆的 Voice，之后这个 Bot 读出的所有文本都会用你的声音。

看懂背后的声音换色机制

知道原理后，遇到问题时更容易判断该调哪个环节。

整体思路不复杂：文本先交给基础 TTS 模型，合成出一个"别人声音"的语音；音色提取器（Tone color extractor）同时分析参考音频，得到音色特征；Encoder、Flow、Decoder 链路只替换语音的音色，内容和节奏保持不变。

自己调风格参数

口音、情绪、节奏、语调这类风格参数由基础 TTS 模型控制，而不是从参考音频里克隆出来的，因此风格可调的幅度取决于所选基础模型。用法示例见 demo_part1.ipynb。

用另一种语言说出克隆的声音

跨语言克隆对参考音频和目标语言都不做硬性限制，哪怕两者都没出现在训练集里。多语言示例在 demo_part2.ipynb，V2 的原生多语言（英、西、法、中、日、韩）用法在 demo_part3.ipynb。

适合谁用，以及边界在哪

OpenVoice 定位是技术方案而非成品应用，目标用户是开发者和研究者：多数声音上效果稳定，但不保证每段音频都完美。

几个明确的边界：

• 只克隆音色，不克隆口音和情绪，后者由基础 TTS 模型决定。
• 参考音频有基本门槛：无明显背景噪音、时长够、只有一个人说话、不含过长静音。
• V1/V2 均为 MIT 许可，商用不受限制。

更多安装细节和报错排查，直接翻 docs/USAGE.md 与 docs/QA.md，常见坑基本都有现成答案。

【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice