Tłumaczenie automatyczne · Oryginał angielski

Speech Studio

Aplikacja Open- source Mac do klonowania lokalnego głosu i generowania wielu głośników. Upuść próbkę głosu, sklonuj ją, napisz scenę, zsyntetyzuj - wszystko na laptopie. Nie ma kluczy API, nie ma chmur, nie ma cen per- znaków.

github.com / soniqo / speech- studio Apache 2.0 Instalacja

A 30-drugi test ślepej: prawdziwy głos, ten sam głos klonowany lokalnie przez Speech Studioi ten sam głos sklonowany przez ElevenLabs Możesz powiedzieć, który jest który?

Co to robi?

Klonowanie głosu z krótkiego odniesienia - wrzucić kilka sekund mowy, sklonować głos lokalnie.
Głośniki wielogłośnikowe generowanie dialogów - napisać scenę z wieloma głośnikami, zsyntetyzować je wszystkie w jednym przejściu.
Działa całkowicie na Twoim Mac - VoxCPM2 przez MLX, DeepFilterNet3 w celu tłumienia hałasu, nie jest wymagana sieć.
Źródło otwarte pod Apache 2.0 - Zawinąć, osadzić, zbudować na nim.

Wymagania

macOS 15+ (Apple Silicon), Windows 10+ (x64), lub Linux (x64)
Apple Silicon na Mac; wszelkie nowoczesne 64- bit CPU w Windows / Linux
8 GB RAM minimum (zalecane 16
~ 3- 5 GB dysk dla modeli mowy (pobrany przy pierwszym uruchomieniu)

Instalacja

Pobierz build dla swojej platformy z GitHub Releases - macOS .dmg, Windows .msi/.exelub Linux .deb/.AppImage - a potem odpalaj:

↓ Pobierz najnowsze Wszystkie wydania

Building są niepodpisane: na macOS otworzyć poprzez prawy - kliknij → Otwórz (lub Ustawienia systemowe → Prywatność i bezpieczeństwo → Otwórzcie i tak); on Windows select Więcej informacji → Uruchom i tak w SmartScreen. Pierwsze uruchomienie pobiera VoxCPM2 model mowy (~2.75 GB na macOS, ~4.6 GB na Windows/Linux) i buforuje go; później uruchamia ponownie cache.

Wolisz CLI?

Ten sam głos klonowania statków rurociągu w speech CLI: brew install speechWięc... speech speak --engine voxcpm2 --voxcpm2-ref-audio reference.wav -o cloned.wav "Hello, this is my cloned voice." - przydatne do skryptowania lub prerenderowania partii. przewodnik klonowania głosu dla pełnego przepływu.

Status

Speech Studio jest w podglądzie aktywnym (v0.0.4), z instalatorami macOS, Windows i Linux - klony macOS przez MLX, Windows i Linux speech-coresilnik LiteRT VoxCPM2. Repo źródła w github.com / soniqo / speech- studio śledzi aplikację GUI; gwiezdnie / oglądaj, aby wyświetlić powiadomienia.

Co to jest zbudowane na

Speech Studio jest cienkim GUI na szczycie speech-swift, open- source Swift biblioteki, która wysyła każdy model używany w demo:

VoxCPM2 - model klonowania głosu (zero- shot, krótkie odniesienie)
DeepFilterNet3 - denoise reference + klonowane wyjście
Qwen3-ASR - dostosowanie mowy do tekstu (używane w gazociągu demo do tworzenia testów na ślepotę)
Dostosowanie wymuszone - znaczniki czasu na poziomie słowa do edycji
Klonowanie głosu przewodnik - pełny przegląd rurociągu

Plan działania

Dzisiaj: macOS, Windows i Linux.
Następny: Podpisane i notarialnie nagromadzone budynki (bez podpowiedzi Gatekeeper / SmartScreen).
Po tym: głębsza powierzchnia edycji, obsługa plugin dla zamiennych modeli klonowania.

Informacje zwrotne

Otwarcie problemu na github.com / soniqo / speech- studio / wydania - każdy zostaje przeczytany.