VoiceStudio Plus réunit le clonage vocal, la conception de voix et le doublage vidéo dans un même espace de travail. Cinq secondes d'audio de référence suffisent pour cloner une voix — et tout s'exécute sur votre propre GPU. Seul le premier téléchargement de modèle nécessite une connexion réseau.
Le clonage, la conception et le doublage disposent chacun de leur propre écran avec les paramètres utiles à cette tâche. Les voix, les modèles et les prises sont tous réunis dans une bibliothèque de projet.
Fournissez 5 à 15 secondes de parole nette : la voix est clonée et prête à prononcer tout le texte que vous saisissez.
Aucun échantillon nécessaire : décrivez le genre, l'âge, la hauteur, l'accent, le dialecte et le style, et le moteur construit une voix de zéro.
Importez une vidéo : elle est transcrite, découpée par phrase et chaque réplique est doublée dans la langue cible, puis un résultat aligné sur la timeline est exporté.
La plupart des outils vocaux échouent dès l'installation. Ici, l'environnement, les modèles et les miroirs sont déjà configurés.
Le clonage et la synthèse se font sur votre machine. L'audio de référence, les manuscrits et les prises finales n'atteignent jamais un serveur — et tout continue de fonctionner hors ligne.
Le moteur par défaut couvre 646 langues ; le doublage, la transcription et la traduction entre langues partagent une même base de modèle.
Rendu par chapitre et file de traitement par lots sans surveillance, chaque tâche conservant ses propres réglages de langue, de voix et de fond sonore.
Dirigez n8n, LiteLLM ou vos propres scripts vers le service local et pilotez la parole, la transcription et la traduction via les points de terminaison /v1.
Les enregistrements multi-locuteurs sont automatiquement répartis par locuteur, et un widget de dictée flottant transforme la parole en texte dans n'importe quelle application.
L'environnement, toutes les dépendances et le modèle requis proviennent de nos propres miroirs — aucun accès direct à huggingface.co ou PyPI n'est nécessaire.
Avec une carte NVIDIA, CUDA s'active automatiquement, et plus la VRAM est élevée, plus c'est rapide ; sur notre propre machine, une RTX 2080 Ti avec 22 GB fait tourner l'ensemble.
Il fonctionne aussi sans GPU NVIDIA — l'installation installe automatiquement la version CPU de la bibliothèque d'inférence, mais bien plus lentement. Apple Silicon et les cartes AMD n'ont pas encore de voie d'accélération dédiée.
Environ 221 MB, la coque seule. Au premier lancement, l'environnement Python est configuré en arrière-plan : environ 9.5 GB pour CUDA, environ 5 GB pour le CPU.
Le modèle requis ajoute environ 3 GB. Laissez 15 GB ou plus d'espace libre après l'installation ; le dossier de l'environnement peut être déplacé vers un autre disque depuis les Paramètres.
Selon votre machine, il installe les bibliothèques d'inférence CPU ou CUDA, puis récupère le modèle requis, avec la progression affichée dans l'application.
Chaque téléchargement reprend — fermez l'application en cours de route et il continuera la prochaine fois. Le modèle requis est mis en miroir par nos soins, la Chine continentale s'y connecte donc directement.
Non. Le clonage, la conception, le doublage et la transcription s'exécutent tous localement ; l'audio de référence et les sorties ne touchent que votre disque.
Seul le premier téléchargement de modèle nécessite le réseau ; ensuite, tout fonctionne hors ligne. Les statistiques d'usage intégrées sont désactivées par défaut et nécessitent votre consentement explicite.
VoiceStudio est un projet open source de Palash Debnath et de ses contributeurs (AGPL-3.0). Cette version s'appuie dessus et a été adaptée au travail en langue chinoise et aux réseaux de Chine continentale.
La partie gratuite conserve toutes les fonctions de création ; des outils supplémentaires pour les flux de production sont fournis avec l'édition Plus. La page Plus de l'application détaille précisément ce qui est inclus.
Le moteur par défaut couvre 646 langues, dont le chinois, l'anglais, le japonais, le coréen et les principales langues européennes. La conception vocale propose aussi des dialectes chinois comme le sichuanais et plusieurs accents anglais.
Les Paramètres contiennent le journal d'exécution et les diagnostics. Commencez par la fin de l'erreur sous Paramètres → Journaux ; les problèmes de modèle apparaissent généralement sur la page Modèles sous forme de fichier manquant.
Si le problème persiste, envoyez la fin du journal avec les informations de votre système.
Windows 10 / 11 · 64-bit · L'installateur contient la coque ; l'environnement est configuré au premier lancement
Installateur d'environ 221 MB · environnement d'environ 9.5 GB · modèle requis d'environ 3 GB
Double-cliquez pour installer. Une installation par-dessus une version existante conserve votre dossier de données. SHA-256：d466bacc50e0c8aa993de638167e8560ec36b028601af799a2351713fd51c9a0