VoiceStudio Plus поєднує клонування голосу, дизайн голосу та дубляж відео в одному робочому просторі. П'яти секунд еталонного аудіо достатньо, щоб клонувати голос — і все працює на вашому GPU. Мережа потрібна лише для першого завантаження моделі.
Клонування, дизайн і дубляж мають окремі екрани з параметрами, важливими саме для цього завдання. Голоси, моделі та записи зберігаються в одній бібліотеці проєктів.
Дайте 5–15 секунд чистого мовлення — програма клонує цей голос, і він промовить будь-який ваш текст.
Зразок не потрібен: опишіть стать, вік, висоту тону, акцент, діалект і стиль — рушій створить голос з нуля.
Імпортуйте відео: програма транскрибує його, розбиває на речення й дублює кожну репліку цільовою мовою, після чого експортує результат із вирівняним таймінгом.
Більшість інструментів для голосу зупиняються вже на встановленні. Тут середовище, моделі та дзеркала вже підключені.
Клонування й синтез відбуваються на вашому комп'ютері. Еталонне аудіо, тексти та готові записи ніколи не потрапляють на сервер — і все працює навіть без мережі.
Стандартний рушій охоплює 646 мов; дубляж, транскрипція й переклад між мовами спираються на одну модельну основу.
Порозділовий рендеринг і черга пакетної обробки без нагляду, причому кожне завдання зберігає власні мову, голос і налаштування фону.
Спрямуйте n8n, LiteLLM або власні скрипти на локальний сервіс і керуйте мовленням, транскрипцією та перекладом через кінцеві точки /v1.
Записи з кількома мовцями автоматично розділяються за мовцями, а плаваючий віджет диктування перетворює мовлення на текст у будь-якій програмі.
Середовище, усі залежності та потрібна модель надходять із наших дзеркал — прямого доступу до huggingface.co чи PyPI не потрібно.
З картою NVIDIA CUDA вмикається автоматично, і більший обсяг VRAM дає вищу швидкість; на нашій машині RTX 2080 Ti з 22 GB виконує все.
Працює й без GPU NVIDIA — під час встановлення автоматично ставиться CPU-версія бібліотеки виведення, лише значно повільніше. Для Apple Silicon і карт AMD окремого шляху прискорення поки немає.
Близько 221 MB, лише оболонка. Під час першого запуску у фоні налаштовується середовище Python: близько 9.5 GB для CUDA, близько 5 GB для CPU.
Потрібна модель додає близько 3 GB. Після встановлення залиште 15 GB або більше вільного місця; теку середовища можна перенести на інший диск у Налаштуваннях.
Залежно від комп'ютера встановлюються бібліотеки виведення CPU або CUDA, потім завантажується потрібна модель; поступ видно в програмі.
Кожне завантаження можна відновити — закрийте програму посередині, і наступного разу воно продовжиться з місця зупинки. Потрібну модель ми дзеркалимо самі, тож материковий Китай підключається напряму.
Ні. Клонування, дизайн, дубляж і транскрипція виконуються локально; еталонне аудіо та вивід потрапляють лише на ваш диск.
Лише перше завантаження моделі потребує мережі; далі все працює офлайн. Статистика використання в програмі вимкнена за замовчуванням і потребує вашої явної згоди.
VoiceStudio — проєкт з відкритим кодом від Palash Debnath і спільноти (AGPL-3.0). Ця збірка створена на його основі й адаптована для роботи з китайською мовою та мережами материкового Китаю.
Частина з відкритим кодом зберігає всі творчі функції; додаткові інструменти виробничого процесу входять до видання Plus. Сторінка Plus у програмі докладно перелічує, що саме включено.
Стандартний рушій охоплює 646 мов, зокрема китайську, англійську, японську, корейську та основні європейські. Дизайн голосу також пропонує китайські діалекти, як-от сичуанський, і кілька англійських акцентів.
У Налаштуваннях є журнал середовища й діагностика. Почніть із кінця повідомлення про помилку в розділі Налаштування → Журнали; проблеми з моделями зазвичай видно на сторінці Моделі як відсутній файл.
Якщо це не допомогло, надішліть кінець журналу разом з інформацією про систему.
Windows 10 / 11 · 64-bit · Інсталятор містить лише оболонку; середовище налаштовується під час першого запуску
Інсталятор близько 221 MB · середовище близько 9.5 GB · потрібна модель близько 3 GB
Двічі клацніть, щоб установити. Встановлення поверх наявної версії зберігає теку з даними. SHA-256：d466bacc50e0c8aa993de638167e8560ec36b028601af799a2351713fd51c9a0