clone-voice

环境要求

• Python 3.9 ~ 3.11
• 已安装 git 工具（Windows 可用 git-cmd）
• 稳定可靠的全局代理（需从 huggingface.co 与 github.com 下载大模型）
• ffmpeg 可执行文件（需与 app.py 放在同一目录）
• 可选：N 卡 GPU 并正确配置 CUDA 环境以获得加速

安装与启动步骤

1. 1拉取源码

   新建空目录（如 E:/clone-voice），在该目录地址栏输入 cmd 回车后执行，把源码克隆到当前目录，注意结尾的点号表示当前目录。

   git clone git@github.com:jianchang512/clone-voice.git .

   复制

2. 2创建虚拟环境

   在源码目录下创建独立的 Python 虚拟环境，避免污染系统环境，目录名为 venv。

   python -m venv venv

   复制

3. 3激活虚拟环境

   Windows 下执行 venv 内的 activate 脚本；Linux/mac 对应改为 source venv/bin/activate。

   E:/clone-voice/venv/scripts/activate

   复制

4. 4安装依赖

   按 requirements.txt 安装依赖。若使用 N 卡 CUDA 加速，再卸载 torch 并安装 cu121 版本。

   pip install -r requirements.txt --no-deps
   pip uninstall -y torch
   pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu121

   复制

5. 5放置 ffmpeg

   Windows 解压 ffmpeg.7z，把 ffmpeg.exe 放到与 app.py 同目录；Linux/mac 从官网下载并把 ffmpeg 二进制放到根目录。

6. 6下载模型

   首次必须先运行此脚本，同意协议时输入 y，然后等待模型下载完成。全程需稳定代理，失败多为代理问题。

   python code_dev.py

   复制

7. 7启动服务

   模型下载完成后再启动，程序会打开 Web 界面。每次启动都会检测或更新模型，请耐心等待。

   python app.py

   复制

8. 8可选训练

   如需训练自己的模型，先在 param.json 中调整训练参数，然后执行训练脚本。

   python train.py

   复制

关键配置

如何确认成功

cmd 窗口出现启动提示且浏览器自动打开 Web 界面，窗口内无报错信息即表示启动成功。

常见问题

注意事项

• 源码版必须在 .env 中配置代理，模型需从 huggingface.co 和 github.com 下载，国内无法直接访问。
• 模型为 coqui.ai 出品的 xtts_v2，遵循 Coqui Public Model License 1.0.0，使用即表示同意该协议。
• Windows 用户若不想折腾源码，可直接下载预编译版（主文件 1.7G + 模型 3G），解压后把模型解压到软件目录下的 tts 文件夹，双击 app.exe 使用。
• 源码版启动报错绝大多数是代理不稳导致模型下载不完整，建议优先使用预编译版。