voice-pro 开源项目

voice-pro 是什么？

voice-pro 是 abus-aikorea 开源的一站式 AI 配音与语音处理套件，本质上是一个基于 Gradio 的 WebUI，把创作者平时要来回切换的好几个工具——视频/音频下载、人声分离、转录、声音克隆、TTS、翻译——全部塞进同一条工作流。它最早是商业项目，后来把整套代码开源，因此常被称为开源版 ElevenLabs。对做双语字幕、多语种配音、视频本地化的创作者来说，它是一个能把订阅账单打到零的本地替代方案。

核心功能

• 音频提取：内置 yt-dlp，可直接下载并处理 YouTube 等平台内容。
• 人声分离：用 Demucs 把人声与背景音乐干净分离，提升克隆质量。
• 高精度转录：支持 Faster-Whisper、Whisper-Timestamped 等，做到词级时间轴。
• 零样本声音克隆：集成 F5-TTS、E2-TTS、CosyVoice，少量参考音频即可复刻音色。
• 文本转语音：内置 Edge-TTS 与 kokoro，自然度高、开箱即用。
• 多语种翻译：集成 Deep-Translator，覆盖 100+ 语种。

版本/套餐对比

开源免费、无时长限制；需要商业无限制版本可购买 ABUS 官方版，具体价格见官网。

值不值得用？

对内容创作者，voice-pro 很值得。它一次性解决了下载—分离—转录—克隆—合成—翻译的完整链路，省去在四五个 SaaS 之间倒腾文件和预算。前提是你能接受本地部署的硬件门槛：建议 NVIDIA 显卡 4–8GB 显存，首次还要下载约 10GB 模型。

使用建议

• Windows 用户跑 configure.bat + start.bat 基本一键安装；Linux/Mac 用 .sh 版本。
• 显存吃紧就把 Denoise 调到 0/1，并用 int 计算类型换速度。
• 长内容用 large 模型换准确率，短内容 medium/small 足够。

适合谁用？（三档）

• 重度用户：出海视频创作者、需要批量多语种配音的团队。
• 中度用户：偶尔做配音、翻译的 UP 主，本地跑省钱。
• 轻度用户：想体验声音克隆的玩家，先免费版试水。