企业官网建设流程全解析

OpenVoice 语音克隆保姆级教程：3 步本地部署，用 15 秒音频克隆你的声音

【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 是一个开源的即时语音克隆工具，只要 15 秒参考音频，就能用你的音色说出多语言文字，MIT 协议可免费商用。

它能帮你做什么（先看适不适合你）

• 给视频、播客配音：录一段自己 15 秒的声音，之后让任意文字自动变成你的声音读出来，不用再逐条重录。
• 给作品做多语言版本：用你中文的音色，直接读出英语、日语、韩语台词，配音不必另请配音员。
• 想上手语音技术但没基础：自带一个本地网页，填字、传音频、点按钮就能出结果，不必先啃代码。

下面这张图展示"克隆出的声音"在一个产品里被使用起来的整体流程。

3 步在本地跑起来

先建干净的 Python 环境再装，能少踩一半的坑。整个安装就下面这几条命令，V1 和 V2 完全一样：

conda create -n openvoice python=3.9 conda activate openvoice git clone https://gitcode.com/GitHub_Trending/op/OpenVoice cd OpenVoice pip install -e .

• 前两条：建一个叫 openvoice 的 Python 3.9 环境并激活，避免弄脏你系统的 Python。
• 第三条：把仓库克隆到本地。
• 后两条：进入目录并安装依赖。

💡 装好之后，终端最后一行会打印 Successfully installed MyShell-OpenVoice-0.0.0，说明依赖都到位了，可以进入下一步。

原理白话版：它是怎么"换声带"的

可以把 OpenVoice 理解成一条流水线，分两件事做。第一段由基础说话人模型 BaseSpeakerTTS 负责"念稿"，也就是把你要说的内容合成语音，口音、情绪、节奏这些"风格"都由它控制；第二段由音色转换器 ToneColorConverter 负责"换声带"，它从你的参考音频里只抽出"音色"这一个属性，贴到刚才那段语音上，而语气、停顿、节奏都原样保留。所以你能一边用你的音色，一边让它用耳语、生气或欢快的语气说话。

核心功能逐个试

1｜打开网页界面，填字就能出声音

不想写代码时，OpenVoice 自带一个本地 Gradio 网页：填文本、传一段你的音频、选个风格，点 Send 就能听到用你音色读出来的结果。装好依赖后在项目根目录运行：

python -m openvoice_app --share

浏览器会自动打开页面，左侧输入框写一句话、上传参考音频并勾选同意，右侧就播放克隆好的语音。本地网页 Demo 支持的语言与风格如下（源码见 openvoice/openvoice_app.py）：

2｜让同一个音色换语气、换情绪

音色只克隆"音色"，语气和情绪由基础说话人模型控制，所以你能让同一个人一会儿耳语、一会儿生气、一会儿开心。在网页界面 Style 下拉框里选不同风格（whispering 耳语、excited 兴奋、sad 悲伤等），再点 Send。你会看到出来一段音色没变、但语气明显不同的语音。

3｜跨语言克隆（你的声音说外语）

参考语音和生成语音的语言，都不需要在训练集里出现过——这就是零样本跨语言。V2 原生支持英、西、法、中、日、韩六种语言；其他语言可换成对应的基础说话人模型再走同一个音色转换器。具体写法参考示例 demo_part2.ipynb，你会看到自己中文录音的音色，却流利地读出英文或日语台词。

⚠️ 踩坑指南：现象 → 原因 → 怎么办

• 音色"像"但口音、情绪对不上。原因是 OpenVoice 只克隆音色，不克隆口音和情绪，那些由基础说话人模型决定。想换口音或情绪，就换带那种风格的基础说话人模型，而不是指望转换器去模仿。
• 生成语音有杂音、发闷。常见原因是参考音频有背景噪声、太短、多人说话或有大段空白。换一段 5–15 秒、干净、单人、无长空白的录音，采样率 16kHz 以上。
• 跑 VAD 环节卡在 Silero 下载。原因是机器连不上 GitHub，自动下载失败。按 docs/QA.md 手动下载 Silero VAD 的 zip 并解压到缓存目录即可。
• 网页 Demo 里输入其他语言报错。原因是本地 Gradio Demo 只支持英语和中文，且中文只有 default。其他语言改用 Python API 换对应基础模型，或上 V2 用原生六语言。

总结

OpenVoice 把"音色"和"语气"拆开处理，让你用 15 秒音频克隆声音并自由换语气、换语言，MIT 协议可免费商用。它最适合给视频/播客批量配音、给作品做多语言版本。下一步建议通读 docs/USAGE.md 了解 V1/V2 细节，遇到报错再翻 docs/QA.md。

【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