voice-pro：一站式 AI 配音工作室，支援 YouTube 處理、聲音克隆與多語言翻譯

它解決了什麼問題

Voice-Pro 是一款一站式多媒體處理工具，旨在簡化製作多語言內容的複雜工作流程。它消除了在不同工具之間切換的需求，涵蓋影片下載、音訊分離、語音轉文字、文字翻譯以及產生新配音等全部步驟。

工作原理

此應用提供基於 Gradio 的網頁介面，整合了多個最先進的 AI 模型：

• 語音轉文字 (ASR)： 使用 Whisper、Faster-Whisper 與 Whisper‑Timestamped，提供高精度的轉錄與字幕生成。
• 文字轉語音 (TTS)： 採用 Edge‑TTS、kokoro 以及零樣本克隆模型如 F5‑TTS、E2‑TTS、CosyVoice，產生自然流暢的語音或克隆特定聲音。
• 翻譯： 整合 Deep‑Translator（可選 Azure Translator），支援超過 100 種語言。
• 音訊處理： 使用 Demucs 進行聲音分離，並以 yt‑dlp 取得 YouTube 內容。

目標使用者

此工具主要面向內容創作者、播客製作人、研究人員以及需要為影片配音、製作字幕或產生聲音克隆播客的多語言專業人士。

重點特色

• 完整配音流水線： 在同一工作室內整合 YouTube 下載、降噪、轉錄、翻譯與 TTS。
• 零樣本聲音克隆： 可使用 F5‑TTS、E2‑TTS、CosyVoice 在無需大量訓練的情況下克隆聲音。
• 多語言支援： 超過 100 種語言的語音辨識與翻譯功能。
• 即時能力： 支援即時語音辨識與即時翻譯。
• 使用者友善安裝： 使用 uv 在 Windows 上快速、可重現安裝，並支援 NVIDIA GPU。

摘要

一款結合語音辨識、翻譯與多語言配音的 AI 網頁應用，將 ASR、TTS 與聲音克隆整合於單一工作流程中。

標題

voice-pro：一站式 AI 配音工作室，支援 YouTube 處理、聲音克隆與多語言翻譯