OmniVoice Studio 免费本地离线 AI 语音克隆

AI文摘 此内容由AI根据文章内容自动生成

AI Summary

项目介绍

语音克隆 · 语音设计 · 视频配音 — 支持 646 种语言，100% 本地运行，永久免费。

项目特点

• 桌面语音全能工具箱，零样本克隆多语配音，本地运行零成本
• 646种语言随意切换，录音转录自动粘贴，说话人识别人声提取
• 无需密钥告别按月付费，跨平台全兼容，开源免费想咋用咋用

项目截图

语音克隆： 上传一段 3 秒音频片段 → 镜像任何声音。支持 646 种语言，零失败。	语音设计 从零开始构建新的声音——性别、年龄、口音、音调、风格。
视频配音： 上传或粘贴 YouTube 视频链接。转录、翻译、重新配音、导出。	Voice Gallery 搜索 YouTube，浏览类别，下载片段，建立您的媒体库。
设置 → 模型 15 种模型。一键安装。自动检测您的平台（CUDA / MPS / CPU）。	项目 配音项目、语音配置文件、生成历史记录、导出内容——全部可搜索。
设置 → 日志 实时后端、前端和 Tauri 运行时日志。筛选、刷新、清除。

核心管道

• 视频配音——转录→翻译→合成→复用回MP4。一键完成端到端操作。
• 人声隔离——Demucs 实现人声/音乐分离。背景音频自动保留。
• 语音克隆——从3秒钟的视频片段中克隆任何声音。无需录制，支持600多种语言。
• 多说话人分割——Pyannote + WhisperX 融合可自动识别说话人并分配独特的语音配置文件。

Studio Tools

• 语音预览— 用于即时进行 8 步 TTS 测试的浮动控件。无需离开工作区即可试用各种语音。
• 多语言批量配音——选择多种目标语言，一次性配音完成。
• 批量队列——拖放式批量视频处理，采用顺序 GPU 执行。
• 语音库— 浏览、收藏、标记和将图库片段转换为永久语音配置文件。
• A/B 对比——并排进行声音试听，以辅助选角决定。

生产出口

• 选择性导出音轨— 选择要包含在最终 MP4 中的语言音轨。
• 字幕导出——与配音视频一起生成 SRT 和 VTT 字幕。
• 分轨导出——将人声和背景音频分离成单独的文件。
• 按段混合——每个段可进行 0-200% 的增益控制，以实现广播级平衡。

技术的

• 跨平台 GPU — 自动检测 CUDA、Apple Silicon (MPS)、ROCm 或 CPU。包含自动 cuDNN 8/9 兼容性处理。
• 支持显存感知——在配备≤8 GB GPU 的设备上，转录过程中自动将 TTS 任务卸载到 CPU。无需配置。
• 实时遥测——实时 CPU/RAM/VRAM 统计信息，并带有模型预热指示器。
• 键盘优先——⌘+Enter生成、⌘+S保存、⌘+Z/⌘+⇧+Z撤销/重做。

人工智能溯源

• 隐形水印——由 AudioSeal 提供支持的（Meta）神经水印，嵌入到每个生成的音频中。人眼无法察觉，即使经过压缩/编辑也能保留。
• 检测 API — 上传任何音频以/watermark/detect验证 OmniVoice 来源并给出置信度评分。
• 视频品牌标识——在导出的 MP4 文件中可选择添加徽标叠加（5 秒淡出，右下角）。
• 可配置——在“设置”→“隐私”中独立切换不可见/可见水印。