voice-pro
集成语音识别、翻译、TTS 与零样本语音克隆的 Gradio WebUI，支持 YouTube 下载、Demucs 人声分离和 100+ 语言字幕生成。对标 ElevenLabs，把 Whisper、F5-TTS、CosyVoice、Edge-TTS 等模型打包成开箱即用的桌面应用，安装脚本自动处理依赖，适合创作者快速制作多语言配音和克隆音色。
README
Voice-Pro
最佳 AI 语音识别、翻译和多语言配音解决方案 🚀
🎙️ 一款 AI 驱动的语音识别、翻译和配音网络应用
한국어
∙
English
∙
中文简体
∙
中文繁體
∙
日本語
∙
Deutsch
∙
Español
∙
Português
Voice-Pro 是一款最先进的网络应用，彻底改变了多媒体内容的创作方式。它将 YouTube 视频下载、人声分离、语音识别、翻译和文本转语音集成到一个功能强大的工具中，面向创作者、研究人员和多语言专业人士。
- 🔊 顶级语音识别：Whisper、Faster-Whisper、Whisper-Timestamped
- 🎤 零样本声音克隆：F5-TTS、E2-TTS、CosyVoice（包括 Fun-CosyVoice3 —— 支持韩语及其他 8 种语言）
- 📢 多语言文本转语音：Edge-TTS、kokoro（可选 Azure TTS，使用您自己的密钥 —— 参见 Azure 服务）
- 🎥 YouTube 处理与音频提取：yt-dlp
- 🌍 100+ 语言即时翻译：Deep-Translator（可选 Azure Translator，使用您自己的密钥）
作为 ElevenLabs 的强力替代方案，Voice-Pro 为播客主、开发者和创作者提供先进的语音解决方案。
⚠️ 请注意
- 由于 WeConnect 开发工作，Voice-Pro 的开发与更新暂时无法进行。
- 我们已将 Voice-Pro 的全部代码开源并完全免费。现在任何人都可以自由分发和修改 Voice-Pro。
- 在配备 NVIDIA GPU 的 Windows 上运行良好。Mac 和 Linux 上的运行尚未验证。
- 请将您的需求发布到
或 
页面。 - 故障排除：大多数情况下，删除
installer_files文件夹后重新运行start.bat即可解决问题（全新安装只需几分钟；model/中已下载的 AI 模型会保留）。错误会以红色提示条的形式显示在 WebUI 中，并一直保留直到您手动关闭。
📰 新闻与更新历史
版本 4.0- ⚡ 安装器从 Miniconda/pip 迁移到 uv — 安装速度大幅提升，通过提交的
uv.lock实现完全可复现的安装。所有内容均保留在installer_files/内（uv、Python、包）。 - 🐍 运行时升级：Python 3.12、Torch 2.8.0+cu128（支持 RTX 50 系列）、Gradio 6.20。
- 🎙️ 最新 ASR 技术栈：faster-whisper 1.2.1（large-v3-turbo、distil-large-v3.5）、openai-whisper 20250625、whisper-timestamped 1.15.9。whisperX 已移除（其依赖锁定阻碍了 Gradio 6 升级；现有配置将回退到 faster-whisper）。
- 🗣️ 最新 TTS 技术栈：F5-TTS 1.1.21、kokoro 0.9.4、edge-tts 7.x，以及重新 vendored 的 CosyVoice（上游 main 分支）。
- 🇰🇷 新增可选 TTS 模型：Fun-CosyVoice3-0.5B — 支持包括韩语在内的 9 种语言，可在 CosyVoice 标签页中选择（首次使用时从官方 HF 仓库下载）。
- 🧹 不再需要安装 CUDA Toolkit 和 Visual Studio Build Tools — 所有依赖均提供预编译 wheel，PyTorch 自带 CUDA 运行时。
- 🛡️ 对受限环境 / 企业电脑友好：无需管理员权限 —
start.bat会在系统未安装 ffmpeg 时自动下载便携版 ffmpeg；Whisper 模型下载在中断/损坏后会自动修复；当网络对免费 Google 端点限流时，翻译会自动以退避策略重试（失败行会报告，保留原文）。 - 🚨 错误现在会在 WebUI 中显示：每次失败都会显示红色错误提示，并一直保留到您关闭（以前是容易忽略的 10 秒警告），同时提供针对常见原因的可行提示（缺少 ffmpeg、未注册媒体等）。
- 🖥️ UI：迁移到 Gradio 6（所有标签页均采用全宽布局，字幕轨直接显示在视频播放器中）。
- 🧽
uninstall.bat不再需要管理员权限，也不再强制重启系统；uninstall.bat silent可无人值守运行。
- 过去几个月我们一直专注于 WeConnect 的开发，完全无暇管理 Voice-Pro。
- 我们决定将 Voice-Pro 的全部代码开源。
- Voice-Pro 完全免费，支持 Windows、Mac、Linux。
- WeConnect 是一款面向全球文化交流的应用。
- 与来自世界各地的人们建立联系，进行有意义的文化交流、语言学习和国际友谊。
- 🪄 支持 F5-TTS 的微调模型
- 🌍 支持的语言
芬兰语：
法语：
印地语：
意大利语：
俄语：- 🔥 移除了 AI Cover 功能。
- 🚀 增加了对 m-bain/whisperX 的支持。
- 🐍 基于 Python 3.10.15、Torch 2.5.1+cu124 和 Gradio 5.14.0 构建。
- 🆓 免费试用支持最长 60 秒 的媒体文件。
- 🔥 新增 AI Cover 功能。
- 🎤 引入对 CosyVoice 和 kokoro 的支持。
- ⏳ 首次运行需要下载 CozyVoice2-0.5B（9GB），根据网络速度可能需要一个小时以上。
- 🎧 用于克隆的语音样本将持续更新。
- 📝 新增 spaCy，用于自然的逐句翻译和 TTS。
- ☁️ 订阅版包含 Microsoft Azure 翻译器和 TTS。
- 🏪 订阅期间提供 无限使用（无 60 秒限制），可通过
获取。
🎥 YouTube 视频展示
Voice-Pro 演示（v2.0） |
F5-TTS: 声音克隆 |
实时转录与翻译 |
多语言声音克隆：韩语 - 德语 |
多语言声音克隆：英语 - 韩语 |
多语言声音克隆：韩语 - 日语 |
NVIDIA RTX 视频超分辨率 |
AI 卡拉OK |
多语言声音克隆：英语 - 韩语 |
⭐ 核心功能
1. 配音工作室
- YouTube 视频下载与音频提取
- 使用 Demucs 进行人声分离
- 支持 100+ 种语言的语音识别与翻译
2. 语音技术
- 语音转文本： Whisper、Faster-Whisper、Whisper-Timestamped
- 文本转语音：
- Edge-TTS：100+ 种语言，400+ 个声音
- E2-TTS、F5-TTS、CosyVoice：零样本克隆
- kokoro：在 HuggingFace TTS Arena 中排名第 2
3. 实时翻译
- 即时语音识别
- 实时多语言翻译
- 可自定义音频输入
🤖 WebUI
配音工作室 标签页
- 一体化中心：YouTube 下载、噪音消除、字幕、翻译和 TTS
- 支持所有 ffmpeg 兼容格式
- 输出选项：WAV、FLAC、MP3
- 100+ 种语言的字幕和识别
- TTS 支持速度、音量和音调控制
Whisper 字幕 标签页
- 专注字幕：90+ 种语言
- 视频内嵌字幕显示
- 单词级高亮和降噪选项
翻译 标签页
- 100+ 种语言的翻译
- 支持字幕文件（ASS、SSA、SRT 等）
- 实时语音识别与翻译
语音生成 标签页
- 选项：Edge-TTS、F5-TTS、CosyVoice、kokoro
- 名人语音播客和多语言支持
🎤✨ 参考声音
- 请在 Issues 页面申请您想要添加的声音。Issues
 Andrew Bustamante |
 Andrew Huberman |
 Avi Loeb |
 Ben Shapiro |
 Brett Johnson |
 Brian Keating |
 Coffeezilla |
 Dan Carlin |
 David Buss |
 David Fravor |
 David Kipping |
 Dennis Whyte |
 Donald Hoffman |
 Donald Trump |
 Douglas Murray |
 Duncan Trussell |
 Elon Musk |
 Garry Nolan |
 Jack Barsky |
 James Sexton |
 Jeff Bezos |
 Joe Rogan |
 John Mearsheimer |
 Jordan Peterson |
 Kanye 'Ye' West |
 Mark Zuckerberg |
 Michael Levin |
 Michael Saylor |
 Michio Kaku |
 MrBeast |
 Nick Lane |
 Paul Rosolie |
 Ryan Graves |
 Sam Altman |
 Sam Harris |
<td align="center