【Windows】Voicebox-开源语音合成工作室 语音克隆、文本转语音、音效处理等

却非鱼

Voicebox
Voicebox 是一个以本地为优先（local-first）的语音克隆工具，可以看作是类似 ElevenLabs 的开源替代方案。

https://pan.baidu.com/s/1HpJPOAzXq7VS8H4k_vezQg?pwd=6666


你可以：
用几秒音频进行零样本语音克隆
使用 50+ 预设声音
在 7 个 TTS 引擎之间切换
支持 23 种语言生成语音
添加音效并制作多角色语音内容（时间轴编辑）

核心特性

隐私优先
所有模型和语音数据仅在本地运行
不上传、不依赖云

多引擎语音合成（7种）
可按需切换不同引擎：
Qwen3-TTS：高质量多语言克隆，支持语气控制（如“慢一点”“低声说”）
Qwen CustomVoice：9种预设声音，支持自然语言控制，无需参考音频
LuxTTS：轻量（约1GB显存），CPU可跑，超快（150倍实时）
Chatterbox Multilingual：语言最广（23种）
Chatterbox Turbo：支持情绪标签（如 [laugh]）
TADA（HumeAI）：长语音一致性强（700秒+）
Kokoro：超小模型（82M），50种预设声音，CPU友好

情绪与语气标签
仅 Chatterbox Turbo 支持
用于增强表达（其他模型会当普通文本读）

后期音效处理
支持：
音高（Pitch）
混响（Reverb）
延迟（Delay）
合唱 / 镶边（Chorus / Flanger）
压缩（Compressor）
增益（Gain）
高通 / 低通滤波

内置预设：
机器人音
广播音
回声室
深沉音

无限长度生成
自动分句 + 拼接（带交叉淡入）
支持最长 50,000 字符
可调：
分段长度（100–5000）
交叉淡化（0–200ms）

多版本生成管理
每次生成都有版本系统：
原始版本
加效果版本
多次重生成（不同随机种子）
来源追踪
收藏标记

异步生成队列
非阻塞生成
队列防止 GPU 冲突
实时状态反馈（SSE）
崩溃后自动恢复任务

语音配置管理
从音频创建语音
支持多样本增强质量
导入 / 导出
每个语音可设置默认音效

故事编辑器（时间轴）
适合：
对话
播客
旁白

功能：
多轨道编辑
拖拽操作
音频裁剪
同步播放

录音与转录
内置录音（带波形）
系统音频录制（Win/macOS）
自动转文字（Whisper）
多格式导出

模型管理
支持卸载模型释放显存
自定义模型路径（VOICEBOX_MODELS_DIR）
模型迁移
下载管理（暂停/取消）

631683345

感谢分享

602742649

感谢分享

088945

谢谢分享

笨笨的老虎

感谢分享

努力的蜗牛

感谢分享

꧁莫♡名꧂

谢谢分享