FlashLabs-Chroma

实时语音对话+声音克隆，几秒复刻你的音色

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 57 🐛 待处理 10 👀 关注 12
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 553
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源模型，Apache-2.0许可，可免费本地部署使用，无在线服务。

项目预览

FlashLabs-Chroma 项目界面预览图
图片来源：项目官网

项目数据

分类音频音乐
开发团队FlashLabs-AI-Corp
官网地址https://www.flashlabs.ai/flashai-voice-agents
GitHubhttps://github.com/FlashLabs-AI-Corp/FlashLabs-Chroma
定价模式🏷️完全免费
价格说明开源模型，Apache-2.0许可，可免费本地部署使用，无在线服务。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型audio-language-model,end-to-end,real-time-audio,speech-to-speech,streaming-audio,voice-ai,voice-cloning,zero-shot-voice
GitHub 星标★ 553
上线时间2025-11-13 00:00:00
代码更新2026-09-04
仓库体积14.7 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数4

项目介绍

FlashLabs-Chroma 是全球首个开源的实时端到端语音对话模型，支持个性化声音克隆。它解决了传统语音对话系统延迟高、音色不自然、无法个性化定制的问题。核心能力包括：端到端建模（从文本/音频直接生成语音，无需中间步骤）、实时低延迟交互、以及基于少量样本的声音克隆（用户只需提供几秒音频即可复制音色）。项目基于 Jupyter Notebook 开发，适合研究者和开发者快速上手，用于构建高自然度的语音助手、虚拟角色等应用。目前项目处于早期阶段，代码和文档正在完善中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 553

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级 约 85 分钟 部署方式：本地GPU 5 步

环境要求

  • NVIDIA 显卡
  • conda 环境
  • 模型权重

安装与启动步骤

  1. 1克隆

    视频生成方向的实验代码。

    git clone https://github.com/FlashLabs-AI-Corp/FlashLabs-Chroma.git

  2. 2建环境

    指定 Python 版本。

    conda create -n chroma python=3.11 -y

  3. 3装依赖

    按清单装。

    pip install -r requirements.txt

  4. 4装框架

    指定 CUDA 版本的轮子。

    pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu126

  5. 5装新版组件

    部分模型要求预发布版本，注意兼容。

    pip install transformers==5.0.0rc0

如何确认成功

跑通示例后能生成一段与提示词相符的短视频，帧间无跳变

注意事项

  • 依赖版本组合很挑，照抄不要升级。
  • 预发布版组件可能有意外问题。
  • 显存需求高，先降分辨率。
  • 研究代码，别当生产服务用。

核心亮点

  • 端到端架构，延迟低，对话流畅自然
  • 支持个性化声音克隆，只需少量样本即可复刻音色
  • 开源且提供 Notebook 示例，上手门槛低

不足之处

  • 项目处于早期阶段，文档和社区生态待完善
  • 依赖特定硬件（如GPU），部署成本较高

适用场景

  • 构建高自然度的语音助手或客服机器人
  • 为虚拟主播、游戏角色提供个性化语音
  • 用于语音交互研究，探索端到端模型

替代项目

ChatTTS、OpenVoice、XTTS

上一篇：lalalai

下一篇：AceForge

同类项目推荐

edge-tts 开源

无需密钥，几行代码调用微软 Edge 免费语音合成

Edge TTS is a Node or Bun package that allows access to the online text-to-speech se···

★ 155 2026-08-09
ekho 开源

一句话搞定中文粤语藏语语音合成，离线也能用

Chinese text-to-speech engine

★ 1214 2026-08-09
SoundStorm-pytorch 开源

并行音频生成，让语音合成快数倍

Google's SoundStorm: Efficient Parallel Audio Generation

★ 131 2026-08-09
pdf-narrator 开源

把 PDF/EPUB 一键变成有声书，低配电脑也能流畅跑

Convert your PDFs and EPUBs into audiobooks effortlessly. Features intelligent text ···

★ 218 2026-08-09
WavTTS 开源

跳过频谱直接建模波形，少量参考音频即可克隆音色

WavTTS: Towards High-Quality Zero-Shot TTS via Direct Raw Waveform Modeling

★ 212 2026-11-08
VITS-Pytorch 开源

一键训练端到端语音合成模型，无需复杂对齐

本项目是基于Pytorch的语音合成项目，使用的是VITS，VITS是一种语音合成方法，这种时端到端···

★ 60 2026-08-09
expo-kokoro-onnx 开源

在 Expo 应用中离线运行 Kokoro TTS，一句话实现本地语音合成。

Run Kokoro TTS locally on device using Expo & ONNX Runtime

★ 96 2026-08-09
hum2song 开源

哼一段旋律，自动生成多轨伴奏音乐

Hum2Song: Multi-track Polyphonic Music Generation from Voice Melody Transcription wi···

★ 162 2026-08-09
rtvc 开源

实时语音转写与克隆，快速接入 ElevenLabs

"Realtime" voice transcription and cloning using ElevenLabs's API.

★ 55 2026-08-09