3 步完成零样本语音克隆：让 AI 免费商用你的声音

3 步完成零样本语音克隆：让 AI 免费商用你的声音

【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice

你只有一段十几秒的录音，OpenVoice 就能克隆你的音色，让 AI 用"你的声音"说出任意文字。这是零样本语音克隆，不需要训练模型，MIT 许可，商用免费。

先说结果：它能帮你做成什么

• 录一段自己的声音，把产品文案、公告交给 AI，读出来就像你本人在念。
• 给视频、播客配音，不用每次亲自进录音棚。
• 参考音频是中文，也能生成英语、日语的语音——跨语言克隆，参考和生成的语言都可以没出现过。

语音克隆原理：一句话就能讲通

看这张 OpenVoice 语音克隆框架图，流程分两条线：一条是文本内容加风格参数，交给基础说话人 TTS 模型，决定"说什么、什么情绪和口音"；另一条是你的参考音频，音调提取器从中抽出音色特征。最后两条线合到一起，由解码器合成语音——内容、风格、音色各管一段，这就是它既能换语言又能保留你音色的原因。

OpenVoice 实操：准备工作与 4 步分步操作

准备工作

在线体验：无需装任何东西，直接在 myshell.ai 的 Workshop 里搭一个 Bot 就能跑。

本地部署：克隆仓库，按 requirements.txt 装依赖，再下载模型权重解压到checkpoints_v2文件夹。

git clone https://gitcode.com/GitHub_Trending/op/OpenVoice

4 步在 Workshop 里克隆你的声音

1. 打开 Workshop，新建一个 Bot。这是语音克隆的起点，建好后你会得到一个空白画布，可以往里拖组件。

2. 添加 TTS Widget。在组件区找到 TTS 相关选项拖进画布，这一步做完，画布上会出现一个可以输入文字、输出语音的模块。

3. 点击任意一个 TTS 模型。这是 OpenVoice 的基础说话人，负责语气和口音。

   选中后，模型会接入你的 Bot，之后所有生成都由它打底。

4. 上传一段参考语音，输入文字，生成声音。系统分析音色特征后输出音频，听起来就是用你的声音在念那段文字。

本地跑通的话，用一行命令python -m openvoice_app --share起 Gradio 页面，操作逻辑一样；V2 用法可看 demo_part3.ipynb。

常见坑：4 条速查

• 参考音频要干净：带背景噪音、多人在场、中间夹长静音，音色都会跑偏。
• 同名音频记得清缓存：换了文件但没删processed文件夹，用的还是旧的处理结果。
• 它只克隆音色，不克隆口音和情绪：想要什么情绪、什么口音，换对应的基础 TTS 模型就行。
• V2 原生支持 6 种语言：英、西、法、中、日、韩，音质也比 V1 更好；V1、V2 都免费商用。

最后

一段录音换一套"声音资产"，剩下的就是文档里的事了：docs/USAGE.md。

【免费下载链接】OpenVoiceInstant voice cloning by MIT and MyShell. Audio foundation model.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVoice