
audio-webui
一个网页搞定多种音频AI,不用写代码就能玩转音乐生成和语音合成
项目预览
项目数据
项目介绍
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 ★ 1246
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。
环境要求
- Python 3.10(低于 3.10 不支持 "|" 类型注解,3.11 目前不支持 TTS 库)
- 已安装 Git(可在终端执行 git --version 验证)
- 部分功能需要安装 ffmpeg
- Windows 系统需要安装 Visual Studio C++ 生成工具
安装与启动步骤
-
1检查 Git
打开终端/命令行,输入命令确认 Git 是否可用;若提示找不到命令,请先到 git-scm.com 下载安装。
git --version -
2确认 Python 版本
本项目只在 Python 3.10 上可用,版本过低或 3.11 都可能报错,请先确认当前解释器版本。
python --version -
3安装 ffmpeg
部分音频功能依赖 ffmpeg,README 指向 ffmpeg.org,按系统方式安装并确保加入 PATH。
-
4安装 C++ 生成工具
仅 Windows 需要:安装 Visual Studio C++ build tools,否则部分依赖编译会失败。
-
5获取项目代码
README 的 Downloading 章节未在节选中给出,按官方仓库地址克隆到本地目录后进入项目文件夹。
git clone https://github.com/gitmylo/audio-webui.git cd audio-webui -
6运行安装脚本
Windows 双击或执行 run.bat,Linux/MacOS 执行 run.sh;脚本会自动在 venv 中安装全部依赖。
run.bat -
7启动 WebUI
安装完成后再次运行同一个脚本即可启动;Linux/MacOS 使用 run.sh,启动后按终端提示的地址访问。
bash run.sh
如何确认成功
运行 run.bat 或 run.sh 后终端无报错、依赖自动装完并出现 Web 服务访问地址,浏览器打开该地址看到界面即成功。
常见问题
Q:可以用 Python 3.11 或更低版本吗?
A:不建议。README 明确说明代码在 Python 3.10 上运行,低于 3.10 不支持 "|" 类型注解,3.11 目前对 TTS 库缺乏支持。
Q:提示找不到 git 命令怎么办?
A:说明未安装 Git,去 git-scm.com/downloads 下载安装后,重新在终端执行 git --version 确认可用。
Q:Windows 安装依赖时编译失败?
A:需要预先安装 Visual Studio C++ build tools,装好后重新运行 run.bat 让脚本重新安装依赖。
Q:某些功能运行报错缺少组件?
A:部分功能依赖 ffmpeg,请先安装 ffmpeg;其他常见问题可查看仓库 readme/common_issues.md 或提交 issue。
Q:能用 Docker 部署吗?
A:README 仅给出社区 Docker 仓库(LajaSoft/audio-webui-docker、jacen92/audio-webui-docker),不由作者维护,相关问题需到对应仓库反馈。
注意事项
- 运行脚本会自动创建 venv 并安装依赖,首次运行耗时较长,请保持网络畅通。
- Docker 相关仓库为社区维护,非官方支持。
- README 节选中未包含 Downloading 章节内容,克隆地址按官方仓库地址给出,如与文档不同以官方说明为准。
- 遇到问题可先查阅 Common issues 页面,再在项目仓库提交 issue。
核心亮点
- 集成 AudioCraft、Bark、RVC 等多个主流模型,免去独立部署的繁琐
- 纯 Web 操作,无需编程基础,降低音频 AI 使用门槛
- 支持文本生成音乐、语音克隆、声音转换等多样化任务,功能全面
不足之处
- 模型加载和推理对硬件要求较高,普通电脑可能运行缓慢
- 文档/社区待观察
适用场景
- 音乐创作者快速生成背景音乐或音效
- 播客或视频制作者用 Bark 生成语音旁白
- 声音爱好者用 RVC 进行歌声转换或声音克隆实验
替代项目
Audiocraft WebUI、Bark WebUI、RVC WebUI
上一篇:WavTokenizer
下一篇:XZVoice
同类项目推荐
GST-Tacotron
开源
给语音合成装上风格旋钮,一句话控制情感语调
A PyTorch implementation of Style Tokens: Unsupervised Style Modeling, Control and T···
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
Awesome-Text-to-Speech
开源
一份清单,带你速览 TTS 最新工具和模型,少走弯路。
A curated list of the latest and most influential tools, models, and resources in th···
Audio8_TTS
开源
小模型也能合成自然语音,本地部署更省算力
SOTA-Class TTS at Compact Scale
easyVoice
开源
超长文本一键转语音,多角色配音轻松搞定
开源文本转语音工具,支持超长文本,多角色配音
MOSS-Speech
开源
跳过文字,语音直接对话,更自然更高效
An end-to-end speech-to-speech language model that generates spoken responses withou···
VocGAN
开源
让语音合成更自然、更快速,实时生成高保真声音。
VocGAN: A High-Fidelity Real-time Vocoder with a Hierarchically-nested Adversarial N···
readest
开源
一套代码,全平台畅读,让电子书体验媲美原生应用。
Readest is a modern, feature-rich ebook reader designed for avid readers offering se···
Los-Angeles-Music-Composer
开源
用窗口注意力生成多乐器音乐,长序列也能高效创作
Local windowed attention multi-instrumental music transformer for supervised music g···