Voice-Pro：开源多功能视频翻译工具，语音转录并翻译为多语言，Windows一键安装

综合介绍

Voice-Pro 是一个基于 Gradio WebUI 的多功能工具，支持语音转文字、文本转语音、实时翻译、YouTube 视频下载和人声分离。它集成了 Whisper、Faster-Whisper 和 Whisper-Timestamped 等技术，提供高效的音频处理和翻译功能，适用于多种语言和场景。

功能列表

• 语音转文字：支持 Whisper、Faster-Whisper 和 Whisper-Timestamped，提供高精度的语音识别。
• 文本转语音：支持 Edge-TTS 和 F5-TTS，提供多种语言和声音选择，支持语速、音量和音调调整。
• 实时翻译：支持实时语音识别和翻译，适用于多种语言。
• YouTube 下载：可以下载 YouTube 视频并提取音频（mp3、wav、flac）。
• 人声分离：使用 MDX-Net 和 Demucs 引擎进行人声和背景音分离。
• 批量处理：支持大批量文件的字幕生成、翻译和文本转语音处理。
• 字幕生成：支持超过 90 种语言的字幕生成和编辑。
• 多格式支持：支持所有由 ffmpeg 支持的视频和音频格式。

使用帮助

安装流程

1. 准备包：从 GitHub 克隆或下载最新版本的源码。

   git clone https://github.com/abus-aikorea/voice-pro.git

2. 安装并运行程序：
   • 运行 configure.bat 安装所需的依赖包（如 git、ffmpeg 和 CUDA）。
   • 运行 start.bat 启动 Voice-Pro，WebUI 将自动运行。
   • 初次运行时，Voice-Pro 将首先进行安装，可能需要一小时以上，期间请勿关闭 Windows 命令窗口。

使用功能

1. 语音转文字：
   • 在 Studio 选项卡中选择 Whisper 模型和计算类型。
   • 上传音频文件或选择音频输入源（如麦克风）。
   • 点击“开始”按钮，等待语音识别和字幕创建完成。
2. 翻译：
   • 在 Translate 选项卡中上传需要翻译的文本或字幕文件。
   • 选择目标语言，点击“翻译”按钮。
   • 翻译完成后，可以下载翻译后的文件。
3. 文本转语音：
   • 在 TTS 选项卡中选择 Edge-TTS 或 F5-TTS。
   • 输入需要转换的文本，选择语音参数（如速度、音量、音调）。
   • 点击“生成语音”按钮，等待语音生成完成。
4. YouTube 下载：
   • 在 YouTube Downloader 选项卡中输入 YouTube 视频链接。
   • 选择音频格式（mp3、wav、flac），点击“下载”按钮。
   • 下载完成后，可以在指定文件夹中找到音频文件。
5. 声音分离：
   • 在 Vocal Remover 选项卡中上传音频文件。
   • 选择 MDX-Net 或 Demucs 引擎，点击“开始”按钮。
   • 等待声音分离完成，可以下载分离后的音频文件。
6. 批量处理：
   • 在 Batch 选项卡中上传多个文件。
   • 选择需要进行的操作（字幕、翻译、文本转语音）。
   • 点击“开始”按钮，等待批量处理完成。

常见问题

• 浏览器未自动运行：关闭 Windows 命令窗口，重新运行 start.bat，或手动在浏览器中输入显示的地址（如 http://127.0.0.1:7892）。
• CUDA 内存不足错误：检查 GPU 内存状态，调整降噪级别或计算类型。
• Windows Defender 警告：将批处理文件添加为例外，或暂时禁用 Windows Defender。

普通人的AI入门指南

帮助你以低成本、零基础学会如何利用AI工具。AI就像办公软件一样，是每个人的必备技能。 掌握AI会让你在求职中占据优势，在未来的工作和学习中事半功倍。

查看详情>