R_REDDYX.XYZ
VoicePython★ 110,614⑂ 12,250 форковAGPL-3.0

debpalash/VoiceStudio

ЛОКАЛЬНЫЙ AI-СТУДИЯ ГОЛОСА С КЛОНИРОВАНИЕМ И ДАБИНГОМ

Открытый кроссплатформенный инструмент для клонирования голоса, даббинга видео и создания аудиокниг на 646 языках. Работает полностью локально без облачных API и регистрации.

// КЛЮЧЕВЫЕ ОСОБЕННОСТИ

  • Клонирование голоса из эталонной записи и генерация речи на 646 языках
  • Даббинг видео с синхронизацией речи по таймингу оригинала
  • Дизайн голоса по текстовому описанию и локальные модели через Model Manager
  • Диктовка, транскрибация и пакетное создание аудиокниг с локальным API

// РАЗБОР: КАК ЭТО РАБОТАЕТ

VoiceStudio — десктопное приложение на Python с веб-интерфейсом, которое объединяет несколько движков TTS и ASR в единую рабочую среду. По умолчанию используется OmniVoice (k2-fsa), а через Model Manager подключаются десятки других моделей — CosyVoice, XTTS, Whisper и др. Все вычисления выполняются на железе пользователя: GPU (CUDA, Metal, Vulkan, ROCm) или CPU, модели скачиваются по требованию.

В отличие от ElevenLabs и облачных аналогов, проект не требует аккаунта, интернета при работе и передачи данных наружу. Лицензия AGPL-3.0 разрешает коммерческое использование бесплатной версии. Платная Pro-сборка добавляет закрытый код, лицензию на клиентскую работу, распределённый рендер на несколько GPU и приоритетные обновления. Планируется Cloud API для тех, у кого нет GPU.

Поддерживаются macOS 13.3+ на Apple Silicon (Metal/MPS), Windows с NVIDIA CUDA и экспериментальный ROCm для AMD RDNA 2 (RX 6000, кроме 6500 XT), Linux. Для GGUF-движков есть Vulkan-ускорение на AMD, Intel, NVIDIA. Установка через Homebrew, DMG или нативные сборки. Требования: Python-окружение, достаточное дисковое пространство под модели (несколько ГБ), GPU опционален, но ускоряет работу.

// СЦЕНАРИИ ИСПОЛЬЗОВАНИЯ

Кому пригодится: Контент-мейкерам, локализаторам и разработчикам голосовых приложений

  • Озвучить видео на другом языке с сохранением голоса спикера и таймингов
  • Создать аудиокнигу из текста с клонированным голосом автора или персонажа
  • Транскрибировать встречи и диктовать текст локально без отправки аудио в облако

// БЫСТРЫЙ СТАРТ

brew tap debpalash/tap
brew trust --cask debpalash/tap/voicestudio
brew install --cask debpalash/tap/voicestudio

Команды взяты из README репозитория — перед запуском сверьтесь с актуальной версией на GitHub.

#ai#audiobook#cuda#dubbing#elevenlabs-alternative#huggingface#local-first#mlx#omnivoice-studio#speech-to-text#text-to-speech#transcription
Открыть на GitHub →

Новые репозитории каждые 30 минут

REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.

Подписаться в Telegram
← Весь каталог

// ПОХОЖИЕ РЕПОЗИТОРИИ

NVIDIA NEMO SPEECH — ФРЕЙМВОРК ДЛЯ SPEECH AI И МУЛЬТИМОДАЛЬНЫХ LLM★ 18764ОФФЛАЙН РЕЧЕВАЯ ОБРАБОТКА НА ONNXRUNTIME★ 16007ЛОКАЛЬНЫЙ ГОЛОСОВОЙ ДИКТОВАНИЕ ДЛЯ ВСЕХ ОС★ 6802DOCKER-WRAPPER KOKORO-82M TTS С OPENAI API★ 5706VIETNAMESE TTS С КЛОНИРОВАНИЕМ ГОЛОСА НА УСТРОЙСТВЕ★ 3432МАЛЕНЬКАЯ АНГЛИЙСКАЯ TTS-МОДЕЛЬ 4.5М ПАРАМЕТРОВ★ 673

← ВЕСЬ КАТАЛОГ

debpalash/VoiceStudio — Локальный AI-студия голоса с…