README.zh.md

Voice-Pro: 终极AI语音转换和多语言翻译工具 🔊

🌍 한국어 ∙ English ∙ 中文简体 ∙ 中文繁體 ∙ 日本語 ∙ Deutsch ∙ Español ∙ Português

🎙️ 强大的AI驱动Web应用程序，用于YouTube视频处理、语音识别、翻译和多语言支持的文本到语音转换

Voice-Pro是一款革新多媒体内容制作的先进网页应用。它将YouTube视频下载、音频分离、语音识别、翻译和文本转语音(TTS)集成到一个强大的工具中，为创作者、研究人员和多语言专家提供理想的解决方案。

• 🔊 顶级语音识别：Whisper、Faster-Whisper、Whisper-Timestamped
• 🎤 零样本声音克隆：F5-TTS、E2-TTS、CosyVoice
• 📢 多语言文本转语音：Edge-TTS、kokoro
• 🎥 YouTube处理和音频提取：yt-dlp
• 🌍 100多种语言即时翻译：Deep-Translator
• 🔇 专业级人声分离：UVR5
• 🔥 AI翻唱制作：RVC

作为ElevenLabs的强大替代方案，Voice-Pro为播客主持人、开发者和创作者提供高级语音解决方案。

⚠️ 注意事项

• Voice-Pro已更新至v2.x版本（Python 3.10.15, Torch 2.5.1+cu124, Gradio 5.14.0）
• 🆓 免费试用版支持最长60秒的媒体处理
• 🔥 新增AI翻唱功能
• 🎤 新增CosyVoice和kokoro支持
• ⏳ 首次运行时需下载CozyVoice2-0.5B (9GB)，根据网络速度可能需要1小时以上
• 🎧 声音克隆用的语音样本将持续更新
• 提示：
  • 从 v1.x 升级到 v2.x：不可能。因此，建议删除 installer_files 文件夹并运行最新版本的 start.bat。
  • 从 v2.x 升级到 v2.x：可能。下载最新代码后，运行 update.bat。
  • 首次用户：请参考以下安装方法。
  • 问题解决：在大多数情况下，删除 installer_files 文件夹并依次运行 configure.bat 和 start.bat 即可解决问题。

🚄 演示

配音工作室标签页：转录、翻译和TTS

voice-pro-demo-v1.6.7-1080p.mp4

工作室标签页的综合媒体处理工作流程演示：从YouTube视频下载到AI语音分离、Whisper自动字幕、多语言翻译，再到使用F5-TTS进行专业配音的一站式媒体转换过程。

F5-TTS-Multi标签页：播客制作

f5-tts-demo-elon-zuckerberg-1115-3.mp4

F5-TTS的创新AI声音克隆技术演示：精确模仿马克·扎克伯格和埃隆·马斯克的真实声音，创建全新内容的高级语音转换技术展示。

AI翻唱标签页

321132645-44ee3893-145d-474a-840b-1ff45802dfbf.mp4

制作特朗普版本的IU《Cupid》、金光石《想念的人》、《士兵的信》。

实时翻译标签页：实时识别和翻译

voice-pro-demo-v1.5.7-h264-1080p-live.mp4

实时多语言翻译功能演示：即时捕获BBC新闻内容，生成实时字幕，并立即翻译成其他语言的创新多语言媒体处理过程。

⭐ 主要功能

1. 配音工作室

• YouTube视频下载和音频提取
• 使用MDX-Net和Demucs进行语音分离
• 支持100多种语言的语音识别和翻译

2. 语音技术

• 语音转文本： Whisper、Faster-Whisper、Whisper-Timestamped
• 文本转语音：
  • Edge-TTS：支持100多种语言，400多种声音
  • E2-TTS、F5-TTS、CosyVoice：零样本克隆
  • kokoro：在HuggingFace TTS Arena中排名第二
• 🔥 AI翻唱（语音转语音）： 使用UVR5移除人声，使用RVC进行变声

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

🤖 网页界面

配音工作室标签页

• 集成中心：YouTube下载、降噪、字幕、翻译、TTS
• 支持所有ffmpeg兼容格式
• 输出选项：WAV、FLAC、MP3
• 支持100多种语言的字幕和识别
• 可调节TTS的速度、音量、音调

Whisper字幕标签页

• 专用字幕：90多种语言
• 视频集成字幕显示
• 单词级高亮和降噪选项

翻译标签页

• 100多种语言翻译
• 支持字幕文件（ASS、SSA、SRT等）
• 实时语音识别和翻译

语音生成标签页

• 选项：Edge-TTS、F5-TTS、CosyVoice、kokoro
• 使用名人声音制作播客和多语言支持

🔥 AI翻唱标签页

• 人声移除：MDX-Net、Demucs
• 语音变调：RVC
• AI声音可从Discord AI Hub下载或发邮件至[email protected]请求

💻 系统要求

• 操作系统： Windows 10/11（64位）※不支持Linux/Mac
• 显卡： 支持CUDA 12.4的NVIDIA显卡（推荐）
• 显存： 4GB以上（推荐8GB以上）
• 内存： 4GB以上
• 存储： 20GB以上可用空间
• 网络： 必需

📀 安装

使用configure.bat和start.bat轻松安装Voice-Pro。

1. 准备包

• 从下载最新发布版本（Source code (zip)）

git clone https://github.com/abus-aikorea/voice-pro.git

2. 安装和运行

1. 🚀 configure.bat
   • 安装git、ffmpeg、CUDA（使用NVIDIA GPU时）
   • 首次运行一次；需要网络，可能需要1小时以上
   • 不要关闭命令窗口
2. 🚀 start.bat
   • 运行Voice-Pro网页界面
   • 首次运行时安装依赖（可能需要1小时以上）
   • 如果出现问题，删除installer_files后重新运行

3. 更新

• 🚀 update.bat：更新Python环境（比重新安装更快）

4. 卸载

• 运行uninstall.bat或删除文件夹（便携式安装）

❓使用技巧

浏览器没有自动启动时

• 关闭Windows命令窗口，重新运行start.bat，或
• 直接启动浏览器，在地址栏输入Windows命令窗口显示的地址（例如**http://127.0.0.1:7892**）

出现CUDA内存不足错误时

• 在Windows任务管理器-性能标签中检查GPU内存状态
• 将降噪级别设置为0或1。降噪级别2需要8GB以上的GPU内存
• 将计算类型设置为int类型。float类型质量更好但需要更多GPU内存

如何提高字幕质量？

• 字幕质量通常随着使用更大的Whisper模型而提高，但并不总是如此。large > medium > small > base > tiny
• 在计算类型中，float类型性能更好。int类型通过模型量化降低GPU使用量并提高速度，但性能较差
• 提高降噪级别可以更多地去除背景音，只将剩余的语音用于语音识别。但不总是能保证更好的结果

📢 注意事项

Windows Defender可能会显示不受信任应用程序的警告，并阻止Voice-Pro继续运行。 如果SmartScreen安全级别设置为"警告"，请点击"更多信息"后点击"仍要运行"。 如果SmartScreen设置为"阻止"级别，则没有可以运行安装的按钮。在这种情况下，打开start.bat文件的属性，勾选"解除阻止"，应用更改后重新运行start.bat文件。

如果Windows Defender错误地将批处理文件识别为特洛伊木马，这通常被称为"误报"。要解决这个问题，可以采取以下步骤：

1. 文件例外处理：可以在Windows Defender中设置特定文件或进程跳过安全检查。请按照以下步骤操作：

   • 点击"开始"按钮，进入"设置"
   • 点击"更新和安全"
   • 选择"Windows安全中心"，进入"病毒和威胁防护"
   • 点击"管理病毒和威胁防护设置"
   • 在"病毒和威胁防护设置"中选择"添加或删除排除项"
   • 选择"文件或文件夹"，找到相关批处理文件并添加为例外

2. 暂时禁用Windows Defender：这可以作为临时解决方案。但使用此方法时，请注意计算机可能会暴露于其他威胁中。

3. 向防病毒软件报告问题：如果您确信该文件不是特洛伊木马，可以向Microsoft报告为误报。Microsoft会审查后采取必要的措施。

🚨 通知

• 此存储库提供 Voice-Pro 的免费试用版。
• Voice-Pro 的免费试用版允许您处理长达 60 秒的媒体。
• Voice-Pro 的正式版本可通过 ABUS 官方网站 (https://abuskorea.imweb.me) 购买。

☕ 贡献

• 如果您想参与并帮助我们进行此项目，请随时创建一个 Issues。
• 如果出现问题，请提交一个 Pull requests 以改进此项目。
• 欢迎任何类型的贡献。
• 有关购买、商业伙伴关系、技术调整、投资和其他相关事宜的咨询，请通过电子邮件 ([email protected]) 与我们联系。
• 如果您喜欢这个项目，请给这个存储库加星标。我们将非常感谢。 ⭐⭐⭐
• 您可以在这里通过捐赠支持 Voice-Pro：

📬 联系方式

• 电子邮件：[email protected]
• 主页（韩语）：https://abuskorea.imweb.me
• Amazon：US | Japan | Singapore | UAE
• 韩国Naver：软件 | 解决方案

👍 YouTube

• 产品信息
• 卡拉OK：流行音乐 | K-Pop | J-Pop

🙏 鸣谢

• Demucs: https://github.com/facebookresearch/demucs
• yt-dlp: https://github.com/yt-dlp/yt-dlp
• gradio: https://github.com/gradio-app/gradio
• edge-TTS: https://github.com/rany2/edge-tts
• F5-TTS: https://github.com/SWivid/F5-TTS.git
• openai-whisper: https://github.com/openai/whisper
• faster-whisper: https://github.com/SYSTRAN/faster-whisper
• whisper-timestamped: https://github.com/linto-ai/whisper-timestamped
• RVC-Project: https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI
• UVR5: https://github.com/Anjok07/ultimatevocalremovergui

©️ 版权信息

by ABUS