OpenVoice

给一段录音,立刻复刻出同款声音,谁都能当配音员

由 MIT 与 MyShell 联合打造的开源音频基础模型,支持即时声音克隆。仅需一段参考音频即可克隆任意音色,并支持多语言、多情感输出与细粒度音色控制,为各类语音合成应用提供强大的底层能力。

开源 unknown 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 37615
维护状态 低维护
是否开源
定价模式 unknown

项目数据

分类音频音乐
开发团队myshell-ai
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型text-to-speech,tts,voice-clone,zero-shot-tts
GitHub 星标★ 37615
30天Star增速
HF 下载量
上线时间2023-11-29 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
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6

使用教程

难度:入门 约 15 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 运行环境(README 未给出具体版本要求)
  • 能访问 GitHub 的网络(用于克隆仓库)
  • 一段用于声音克隆的参考音频
  • 可查看仓库内 docs/USAGE.md 文档的文本/浏览器环境

安装与启动步骤

  1. 1克隆项目仓库

    从 GitHub 拉取 OpenVoice 源码到本地,README 未提供 pip 安装方式,需先获取完整仓库。

    git clone https://github.com/myshell-ai/OpenVoice.git
  2. 2进入项目目录

    切换到刚克隆下来的仓库根目录,后续操作都在此目录内进行。

    cd OpenVoice
  3. 3查阅官方使用文档

    README 的 How to Use 一节明确指向 usage 文档,安装、模型下载与调用方式均以该文档为准。

    cat docs/USAGE.md
  4. 4按文档完成安装配置

    严格按 docs/USAGE.md 中的说明配置环境与依赖,README 未列出任何具体安装命令,不要凭猜测执行。

  5. 5用参考音频做声音克隆

    OpenVoice 为即时(零样本)克隆:准备一段参考音频即可克隆音色,并按需选择语言与情感风格。

如何确认成功

README 未给出验证命令,请以 docs/USAGE.md 中的说明和示例输出为准。

常见问题

Q:V1 和 V2 有什么区别?

A:V2 于 2024 年 4 月发布,包含 V1 全部功能,采用不同训练策略带来更好音质,并原生支持多语言。

Q:V2 原生支持哪些语言?

A:英语、西班牙语、法语、中文、日语和韩语为原生支持。

Q:需要准备什么音频才能克隆音色?

A:OpenVoice 是零样本声音克隆,只需提供一段参考音频即可克隆其音色。

Q:为什么 README 里没有安装命令?

A:README 的 How to Use 一节只给出链接,详细安装与使用说明在 docs/USAGE.md 中。

注意事项

  • 本教程仅基于 README 节选,README 未提供具体安装命令,实际部署请以仓库内 docs/USAGE.md 为准。
  • 项目为 Python 项目,但 README 未说明 Python 版本、依赖包名与端口,切勿照搬其他教程的命令。
  • V2 相比 V1 音质更好且原生支持多语言,选型时建议优先参考 V2。
  • 零样本跨语言克隆时,生成语音与参考语音的语言都无需出现在训练数据中。

核心亮点

  • 支持零样本语音克隆,仅需几秒参考音频即可生成新语音,无需额外训练
  • 由MIT和MyShell联合开发,学术背景强,代码质量高,社区活跃(37k+星标)
  • 提供跨语言语音克隆能力,支持多语言TTS,且能控制情感、语调等细节

不足之处

  • 依赖外部预训练模型(如TTS后端),部署流程较复杂,资源消耗较大
  • 文档/社区待观察:部分高级功能(如细粒度音色控制)文档不够详细

适用场景

  • 内容创作:快速生成多语言配音、有声书或视频旁白
  • 个性化语音助手:为用户定制专属语音交互界面
  • 语音修复与合成:在影视、游戏等场景中还原或生成特定角色声音

替代项目

Coqui TTS、XTTS (Coqui)、Bark (Suno)

项目介绍

OpenVoice 是音频音乐领域的开源项目,由 myshell-ai 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(37,615)位列前 1%,在音频音乐分类的 738 个项目里位列前 1%。

近 44 天,它的 GitHub 星标从 37,111 增加到 37,615,净增 504。

项目已超过三个月没有代码更新,维护节奏明显放缓,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:内容创作:快速生成多语言配音、有声书或视频旁白。同类可对比的替代方案包括 Coqui TTS、XTTS (Coqui)、Bark (Suno)。

上一篇:ChatTTS

下一篇:MockingBird

同类项目推荐

tango 开源

输入一句话,自动生成匹配的音频内容

A family of diffusion models for text-to-audio generation.

★ 1239 2026-08-09
AuK 开源

一个模型搞定语音生成、编辑与分离

AuK: An Open-Source Foundational Model for Speech Generation and Editing

★ 1236 2026-09-13
swift-tts 开源

Swift 项目三行代码接入系统 TTS,兼容 TCA 和 Combine

A straightforward package containing version for Swift modern concurrency, Point-Fre···

★ 52 2026-08-09
ai-dj 开源

现场演出中实时用 AI 生成音乐,保持人类掌控

AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···

★ 245 2026-08-09