VoiceStudio Plus łączy klonowanie głosu, projektowanie głosu i dubbing wideo w jednym programie. Pięć sekund nagrania referencyjnego wystarczy, by sklonować głos — a wszystko działa na Twoim GPU. Sieć jest potrzebna tylko przy pierwszym pobieraniu modelu.
Klonowanie, projektowanie i dubbing mają własne ekrany z parametrami istotnymi dla danego zadania. Głosy, modele i nagrania są przechowywane w jednej bibliotece projektów.
Wystarczy 5–15 sekund czystej mowy, a sklonuje ten głos i wypowie dowolny wpisany tekst.
Bez nagrania: opisz płeć, wiek, wysokość głosu, akcent, dialekt i styl, a silnik zbuduje głos od podstaw.
Zaimportuj wideo: program transkrybuje je, dzieli na zdania i dubbinguje każdą kwestię na wybrany język, a następnie eksportuje wyrównany czasowo wynik.
Większość narzędzi do głosu pada już na etapie instalacji. Tutaj środowisko, modele i serwery lustrzane są już podłączone.
Klonowanie i synteza odbywają się na Twoim komputerze. Nagrania referencyjne, teksty i gotowe nagrania nigdy nie trafiają na serwer — program działa też bez internetu.
Domyślny silnik obsługuje 646 języków; dubbing, transkrypcja i tłumaczenie między językami opierają się na jednej podstawie modelowej.
Renderowanie rozdziałami i kolejka wsadowa działająca bez nadzoru; każde zadanie zachowuje własny język, głos i ustawienia tła.
Skieruj n8n, LiteLLM lub własne skrypty do lokalnej usługi i korzystaj z mowy, transkrypcji i tłumaczenia przez endpointy /v1.
Nagrania z wieloma mówcami są automatycznie dzielone według mówców, a pływający widget dyktowania zamienia mowę na tekst w dowolnej aplikacji.
Środowisko, wszystkie zależności i wymagany model pochodzą z naszych serwerów lustrzanych — bez bezpośredniego dostępu do huggingface.co czy PyPI.
Z kartą NVIDIA automatycznie włącza CUDA, a większa pamięć VRAM oznacza większą szybkość; na naszym komputerze RTX 2080 Ti z 22 GB obsługuje wszystkie funkcje.
Działa też bez GPU NVIDIA — instalator automatycznie instaluje wersję CPU biblioteki wnioskowania, tylko znacznie wolniej. Apple Silicon i karty AMD nie mają jeszcze osobnej ścieżki akceleracji.
Około 221 MB — tylko powłoka. Przy pierwszym uruchomieniu w tle konfiguruje środowisko Python: około 9.5 GB dla CUDA, około 5 GB dla CPU.
Wymagany model dodaje około 3 GB. Po instalacji zostaw co najmniej 15 GB wolnego miejsca; folder środowiska można przenieść na inny dysk w Ustawieniach.
Instaluje biblioteki wnioskowania CPU lub CUDA w zależności od komputera, a następnie pobiera wymagany model; postęp jest widoczny w aplikacji.
Każde pobieranie można wznowić — zamknij aplikację w trakcie, a następnym razem podejmie je od miejsca przerwania. Wymagany model mamy na własnym serwerze lustrzanym, więc w Chinach kontynentalnych połączenie jest bezpośrednie.
Nie. Klonowanie, projektowanie, dubbing i transkrypcja działają lokalnie; nagrania referencyjne i wyniki trafiają wyłącznie na Twój dysk.
Tylko pierwsze pobranie modelu wymaga internetu; później program działa offline. Statystyki użytkowania w aplikacji są domyślnie wyłączone i wymagają wyraźnej zgody.
VoiceStudio to projekt open source autorstwa Palash Debnath i współtwórców (AGPL-3.0). Ta kompilacja jest na nim oparta i przystosowana do pracy z językiem chińskim oraz sieci w Chinach kontynentalnych.
Część open source zachowuje wszystkie funkcje kreatywne; dodatkowe narzędzia do pracy produkcyjnej są częścią wydania Plus. Strona Plus w aplikacji wymienia dokładnie, co jest w zestawie.
Domyślny silnik obsługuje 646 języków, w tym chiński, angielski, japoński, koreański i główne języki europejskie. Projektowanie głosu oferuje też chińskie dialekty, takie jak syczuański, oraz kilka akcentów angielskich.
W Ustawieniach znajdziesz dziennik środowiska i diagnostykę. Zacznij od końcówki błędu w Ustawienia → Dziennik; problemy z modelami zwykle widać na stronie Modele jako brakujący plik.
Jeśli problem nadal występuje, wyślij końcówkę dziennika wraz z informacjami o systemie.
Windows 10 / 11 · 64-bit · Instalator zawiera tylko powłokę; środowisko jest konfigurowane przy pierwszym uruchomieniu
Instalator ok. 221 MB · środowisko ok. 9.5 GB · wymagany model ok. 3 GB
Kliknij dwukrotnie, aby zainstalować. Instalacja na istniejącą wersję zachowuje folder z danymi. SHA-256：d466bacc50e0c8aa993de638167e8560ec36b028601af799a2351713fd51c9a0