voice-pro

一站式网页工具，轻松搞定语音合成、克隆与处理

voice-pro 是一个面向创作者和开发者的 Gradio WebUI 工具，集成了多种前沿的语音技术。它解决了音频内容生产中语音合成、克隆、分离和翻译的碎片化问题，提供了一站式的解决方案。核心能力包括：基于 Edge-TTS 和 kokoro 的高质量文本转语音（TTS），支持多种语言和声音；基于 E2、F5-TTS 和 CosyVoice 的零样本声音克隆，只需几秒音频即可复制音色；集成 Whisper 进行语音识别和音频转写；支持 YouTube 视频下载、Demucs 人声分离和音轨分离，以及多语言翻译。用户可以通过直观的网页界面轻松完成从素材获取、语音处理到内容生成的全流程，适用于制作播客、有声书、卡拉OK字幕、多语言配音等场景。项目代码开源，基于 Python 构建，便于二次开发和集成。

开源 unknown 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 12911

维护状态维护中

是否开源是

定价模式 unknown

项目数据

分类音频音乐

开发团队abus-aikorea

所属国家

官网地址https://www.wctokyoseoul.com

GitHubhttps://github.com/abus-aikorea/voice-pro

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型audiobook,faster-whisper,gradio,karaoke,podcasts,speech-recognition,speech-synthesis,speech-to-text,subtitles,text-to-speech,transcription,translator,tts,voice-cloning,voice-conversion,webui,whisper,whisperx,yt-dlp

GitHub 星标★ 12911

30天Star增速

HF 下载量

上线时间2024-07-29 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 30 分钟部署方式：本地安装 4 步

环境要求

Windows 系统（README 标注平台为 Windows，Mac/Linux 用 configure.sh 和 start.bat 对应脚本）
首次运行需联网下载 uv、Python 3.12、依赖和约 10GB AI 模型
建议预留充足磁盘空间（模型约 10GB 以上）
可选：管理员权限运行 configure.bat 以系统级安装 git 和 ffmpeg，无管理员权限可跳过
可选：NVIDIA GPU 可加速，无 GPU 时自动使用 CPU

安装与启动步骤

1运行环境配置脚本

可选步骤，需管理员权限，仅运行一次，用于系统级安装 git 和 ffmpeg；无管理员权限可跳过，start.bat 会自动下载便携版 ffmpeg。
```
configure.bat
```
2启动 Voice-Pro

启动 WebUI。首次运行自动下载 uv + Python 3.12 并安装依赖，随后下载约 10GB AI 模型，耗时较长，请耐心等待。
```
start.bat
```
3指定 GPU 或 CPU

程序会自动检测 GPU/CPU。如需强制指定，可在启动前设置 GPU_CHOICE 环境变量，G 为 NVIDIA，C 为 CPU。
```
set GPU_CHOICE=G
start.bat
```
4手动打开浏览器

若浏览器未自动打开，关闭 Windows 命令窗口后重新运行 start.bat；或手动打开浏览器，输入命令行窗口中显示的地址。

关键配置

配置项	必填	说明	示例
`GPU_CHOICE`	否	强制指定使用 NVIDIA GPU 还是 CPU 运行	`G`

如何确认成功

命令行窗口显示访问地址（如 http://127.0.0.1:7870），浏览器打开该地址即可看到 WebUI 界面。

常见问题

Q：首次启动卡住很久正常吗？

A：正常。首次运行要下载 uv、Python 3.12、全部依赖，以及约 10GB 的 AI 模型，这一步最慢，请保持网络畅通并耐心等待。

Q：没有管理员权限能装吗？

A：可以。跳过 configure.bat 即可，start.bat 会自动下载便携版 ffmpeg，不影响使用。

Q：启动出问题怎么办？

A：删除 installer_files 文件夹后重新运行 start.bat 重试。

Q：怎么切换到 CPU 运行？

A：设置环境变量 GPU_CHOICE=C，或删除 installer_filesgpu_choice.txt 后重新启动。

Q：怎么卸载？

A：运行 uninstall.bat 或直接删除整个文件夹（便携安装）；加 silent 参数可静默卸载，model/ 和 workspace/ 目录会被保留。

注意事项

README 仅提供 Windows 平台的 configure.bat / start.bat 流程，Mac/Linux 需使用 configure.sh 和 start.sh，具体命令 README 未给出
configure.bat 为可选步骤，缺少管理员权限时跳过即可
模型下载约 10GB，建议在网络稳定、磁盘充足的环境下首次运行
卸载只删除 installer_files 文件夹，model/ 与 workspace/ 中的个人数据会保留

核心亮点

集成 Edge-TTS、kokoro 等主流 TTS 引擎，开箱即用多种高质量语音
支持零样本声音克隆（E2/F5/CosyVoice），几秒音频即可复刻音色
内置 Whisper 转写、Demucs 人声分离和 YouTube 下载，音频处理全流程覆盖

不足之处

依赖多个外部服务和模型，首次配置和模型下载较繁琐
文档/社区待观察

适用场景

播客制作：快速生成主播配音或克隆嘉宾声音
有声书与多语言内容：批量合成多语言音频并翻译
视频创作者：下载视频、分离人声、生成字幕或配音

替代项目

Coqui TTS、OpenVoice、Bark

项目介绍

voice-pro 是音频音乐领域的开源项目，由 abus-aikorea 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（12,911）位列前 4%，在音频音乐分类的 738 个项目里位列前 3%。

近 41 天，它的 GitHub 星标从 12,290 增加到 12,911，净增 621。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：播客制作：快速生成主播配音或克隆嘉宾声音。同类可对比的替代方案包括 Coqui TTS、OpenVoice、Bark。

上一篇：supertonic

下一篇：espeak-ng