debpalash/VoiceStudio

🗣️ VoiceStudio: ElevenLabs mở nguồn, chạy hoàn toàn trên máy bạn

VoiceStudio là lựa chọn mở nguồn hoàn toàn cục bộ thay thế cho ElevenLabs — sao chép giọng nói, thiết kế giọng nói, dịch thuật video, nhận diện giọ nói và tạo audiobook bằng 646 ngôn ngữ, không cần tài khoản, không khóa API, không lưu trữ đám mây.

VoiceStudio (trước đây là OmniVoice-Studio) là một công cụ AI giọng nói mạnh mẽ, cho phép người dùng thực hiện mọi thứ từ sao chép giọng nói zero-shot chỉ với 3 giây, thiết kế giọng nói mới từ cơ bản, đến dịch thuật và tái giọng video chuyên nghiệp — tất cả trên phần cứng cá nhân. Dự án hỗ trợ 14 động cơ TTS khác nhau, tự động phát hiện nền tảng (CUDA / MPS / CPU) và đề xuất mô hình phù hợp, đảm bảo hiệu suất tối ưu mà không có bất kỳ chuyển đổi ngầm nào sang CPU.

✨ Điểm nổi bật

• Sao chép giọng nói zero-shot: Chỉ cần 3 giây âm thanh, VoiceStudio có thể sao chép bất kỳ giọng nói nào trong 646 ngôn ngữ.
• Thiết kế giọng nói từ cơ bản: Tạo giọng nói mới với kiểm soát chi tiết về giới tính, độ tuổi, giọng phát âm, cao độ, cảm xúc và phương ngữ.
• Dịch thuật video chuyên nghiệp: Dịch thuật và tái giọng video từng bước — từ bản ghi âm, dịch sang ngôn ngữ khác, đến việc đồng bộ thời gian và xuất file MP4 hoàn chỉnh.
• Nhận diện giọ nói thời gian thực: Hỗ trợ nghe và nhận diện giọ nói liên tục trên máy tính để bàn.
• Tạo audiobook: Dễ dàng biến văn bản thành sách âm thanh với nhiều giọng nói và phong cách khác nhau.
• Hỗ trợ 14 động cơ TTS: Tự động phát hiện và đề xuất động cơ và mô hình phù hợp dựa trên phần cứng của bạn.
• Không cần tài khoản hay khóa API: Mọi thứ chạy hoàn toàn trên máy của bạn, không gửi dữ liệu đến đám mây.
• Giao diện trực quan: Bao gồm Studio, Voice Design, Voice Gallery, và cài đặt chi tiết cho từng động cơ và mô hình.

💡 Vì sao đáng chú ý

VoiceStudio nổi bật so với các công cụ đám mây khác bằng cách giữ mọi dữ liệu giọng nói trên máy của người dùng, tránh việc gửi dữ liệu nhạy cảm lên server bên thứ ba. Điều này không chỉ bảo vệ quyền riêng tư mà còn loại bỏ chi phí đăng ký và giới hạn API. Thêm vào đó, khả năng hỗ trợ 646 ngôn ngữ và tích hợp nhiều động cơ TTS khác nhau giúp VoiceStudio trở thành một nền tảng đa năng cho cả nghiên cứu và sử dụng thực tế.

Dự án đặc biệt hữu ích cho những ai cần tạo nội dung giáo dục, giải trí hay phim trực tuyến mà không muốn phụ thuộc vào dịch vụ đám mây, đồng thời mong muốn kiểm soát hoàn toàn quy trình sản xuất giọng nói.

#VoiceCloning #TextToSpeech #OpenSource #TiniX