Spr-Aachen/Easy-Voice-Toolkit

Easy Voice Toolkit – 快速概览

它是什么 – 一个桌面加 Colab 的工具包，串联了多个开源语音相关模型（例如 Whisper 用于转录、GPT-SoVITS 用于语音转换）和工具，让您可以获取原始音频、清理、转录、构建数据集、训练语音转换模型，最后生成转换后的语音。该项目提供即开即用的 Windows 便携式包，也提供 Jupyter 笔记本供云端使用。

主要功能

• 音频处理 – 修剪、切片和格式处理。
• 语音识别与转录 – 由 OpenAI 的 Whisper 驱动。
• 数据集构建 – 准备语音转换训练用配对音频的工具。
• 模型训练 – 包装 GPT-SoVITS 管道以训练新语音模型的脚本。
• 语音转换 – 将输入说话者的语音转换为已训练目标语音的风格。

如何开始

1. Windows 用户 – 点击 下载 Windows 便携式包 徽章；解压并运行 run.py（无需安装 Python）。
2. Colab 用户 – 通过徽章打开 Google Colab Demo 笔记本，按照单元格安装依赖项并在云端运行相同工作流程。
3. 开发者 – 克隆仓库（含子模块），安装 Python ≥ 3.8，安装与您的 CUDA 版本匹配的 PyTorch，然后运行 pip install -r requirements.txt 和 pip install QEasyWidgets。运行 run.py 启动 GUI 客户端和后端服务器。

典型工作流程

1. 导入原始音频 → 可选的清理/切片。
2. 使用 Whisper 转录以获取文本转录稿。
3. 构建配对数据集（源音频 + 目标语音样本）。
4. 在该数据集上训练 GPT-SoVITS 语音转换模型。
5. 转换新的语句，产生听起来像目标语音的语音。

法律 / 使用说明

• 仅供学术和学习目的使用；不适用于生产环境。
• 发布结果（例如视频）时，您必须披露源音频，并注明原始创作者和此仓库。
• 作者要求您在将此工具包用于任何商业或非研究计划之前，先与他们联系。

路线图

• 计划集成聊天机器人（LLM）以提供交互式语音助手功能。
• 将客户端 UI 重构为 C++/Qt 以获得更好的性能。
• 持续进行后端工作，并即将推出 Linux 支持。

致谢的上游项目 – audio-slicer、VoiceprintRecognition-Pytorch、OpenAI Whisper、SRT-to-CSV-and-audio-split 和 GPT-SoVITS。

---

以上所有信息直接取自仓库的 README；未推断任何额外功能。