VoiceStudio Plus vereint Voice-Cloning, Stimmdesign und Video-Dubbing in einem Desktop-Arbeitsbereich. Fünf Sekunden Referenzaudio genügen, um eine Stimme zu klonen – und alles läuft auf Ihrer eigenen GPU. Nur der erste Modell-Download benötigt eine Netzwerkverbindung.
Cloning, Design und Dubbing haben jeweils eine eigene Ansicht mit den Parametern, die für diese Aufgabe relevant sind. Stimmen, Modelle und Takes liegen alle in einer Projektbibliothek.
Geben Sie 5–15 Sekunden saubere Sprache an, und die Stimme wird geklont – bereit, jeden von Ihnen eingegebenen Text zu sprechen.
Kein Sample nötig: Beschreiben Sie Geschlecht, Alter, Tonhöhe, Akzent, Dialekt und Stil, und die Engine erstellt eine Stimme von Grund auf.
Video importieren: Es wird transkribiert, satzweise aufgeteilt und jede Zeile in die Zielsprache synchronisiert, anschließend wird ein zeitlich ausgerichtetes Ergebnis exportiert.
Die meisten Sprachwerkzeuge scheitern schon bei der Installation. Hier sind Laufzeit, Modelle und Mirrors bereits eingerichtet.
Cloning und Synthese finden auf Ihrem Rechner statt. Referenzaudio, Manuskripte und fertige Takes erreichen nie einen Server – und es funktioniert auch offline weiter.
Die Standard-Engine deckt 646 Sprachen ab; Dubbing, Transkription und Übersetzung über Sprachgrenzen hinweg nutzen dieselbe Modellbasis.
Kapitelweises Rendering und eine unbeaufsichtigte Stapelwarteschlange, wobei jeder Auftrag seine eigenen Einstellungen für Sprache, Stimme und Hintergrund behält.
Richten Sie n8n, LiteLLM oder eigene Skripte auf den lokalen Dienst, und steuern Sie Sprache, Transkription und Übersetzung über die /v1-Endpunkte.
Aufnahmen mit mehreren Sprechern werden automatisch nach Sprecher getrennt, und ein schwebendes Diktat-Widget wandelt Sprache in jeder App in Text um.
Laufzeit, alle Abhängigkeiten und das erforderliche Modell stammen von unseren eigenen Mirrors – kein direkter Zugriff auf huggingface.co oder PyPI nötig.
Mit einer NVIDIA-Karte wird CUDA automatisch aktiviert, und mehr VRAM bedeutet mehr Geschwindigkeit; auf unserem eigenen Rechner bewältigt eine RTX 2080 Ti mit 22 GB alle Aufgaben.
Es läuft auch ohne NVIDIA-GPU – das Setup installiert automatisch die CPU-Version der Inferenzbibliothek, allerdings deutlich langsamer. Apple Silicon und AMD-Karten haben noch keinen eigenen Beschleunigungspfad.
Etwa 221 MB, nur die Shell. Beim ersten Start wird die Python-Laufzeit im Hintergrund eingerichtet: etwa 9.5 GB für CUDA, etwa 5 GB für CPU.
Das erforderliche Modell belegt zusätzlich etwa 3 GB. Halten Sie nach der Installation 15 GB oder mehr frei; der Laufzeitordner lässt sich in den Einstellungen auf ein anderes Laufwerk verschieben.
Je nach Rechner werden die CPU- oder CUDA-Inferenzbibliotheken installiert, anschließend wird das erforderliche Modell geladen; der Fortschritt wird in der App angezeigt.
Jeder Download wird fortgesetzt – schließen Sie die App zwischendurch, geht es beim nächsten Mal weiter. Das erforderliche Modell wird von uns gespiegelt, sodass das chinesische Festland direkt verbinden kann.
Nein. Cloning, Design, Dubbing und Transkription laufen vollständig lokal; Referenzaudio und Ausgabe landen ausschließlich auf Ihrer Festplatte.
Nur der erste Modell-Download benötigt das Netzwerk; danach funktioniert es offline. Die Nutzungsanalyse in der App ist standardmäßig deaktiviert und erfordert Ihre ausdrückliche Zustimmung.
VoiceStudio ist ein Open-Source-Projekt von Palash Debnath und Mitwirkenden (AGPL-3.0). Dieser Build basiert darauf und wurde für chinesischsprachige Arbeit und Festlandnetzwerke angepasst.
Der freie Teil behält jede kreative Funktion; zusätzliche Werkzeuge für Produktions-Workflows sind in der Plus-Edition enthalten. Die Plus-Seite in der App listet genau auf, was enthalten ist.
Die Standard-Engine deckt 646 Sprachen ab, darunter Chinesisch, Englisch, Japanisch, Koreanisch und die wichtigsten europäischen Sprachen. Das Stimmdesign bietet zudem chinesische Dialekte wie Sichuanesisch und mehrere englische Akzente.
In den Einstellungen finden Sie Laufzeitprotokoll und Diagnose. Beginnen Sie mit dem Fehlerende unter Einstellungen → Protokolle; Modellprobleme zeigen sich meist auf der Seite Modelle als fehlende Datei.
Bleibt es ungelöst, senden Sie das Protokollende zusammen mit Ihren Systeminformationen.
Windows 10 / 11 · 64-bit · Der Installer enthält die Shell; die Laufzeit wird beim ersten Start eingerichtet
Installer ca. 221 MB · Laufzeit ca. 9.5 GB · erforderliches Modell ca. 3 GB
Zum Installieren doppelklicken. Eine Installation über eine vorhandene Version behält Ihren Datenordner. SHA-256：d466bacc50e0c8aa993de638167e8560ec36b028601af799a2351713fd51c9a0