Voice-Pro：免费开源本地语音转文字翻译配音字幕生成工具

一个工具搞定语音转文字、翻译、配音、字幕生成和声音克隆

Voice-Pro是一款革新多媒体内容制作的先进网页应用。它将YouTube视频下载、音频分离、语音识别、翻译和文本转语音(TTS)集成到一个强大的工具中，为创作者、研究人员和多语言专家提供理想的解决方案。

• 🔊 顶级语音识别: Whisper, Faster-Whisper, Whisper-Timestamped
• 🎤 零样本语音克隆: F5-TTS, E2-TTS, CosyVoice（包括 Fun-CosyVoice3 — 支持韩语及另外8种语言）
• 📢 多语言文本转语音: Edge-TTS, kokoro（可选 Azure TTS，使用您自己的密钥 — 参见下方”Azure服务”章节）
• 🎥 YouTube处理与音频提取: yt-dlp
• 🌍 超过100种语言的即时翻译: Deep-Translator（可选 Azure Translator，使用您自己的密钥）

作为ElevenLabs的强大替代方案，Voice-Pro为播客主持人、开发者和创作者提供高级语音解决方案。

GitHub: https://github.com/abus-aikorea/voice-pro/blob/main/docs/README.zh.md

主要功能

1. 配音工作室

• YouTube视频下载与音频提取
• 使用Demucs进行声音分离
• 支持100多种语言的语音识别与翻译

2. 语音技术

• 语音转文本: Whisper, Faster-Whisper, Whisper-Timestamped
• 文本转语音:
  • Edge-TTS: 100多种语言，400多种声音
  • E2-TTS, F5-TTS, CosyVoice: 零样本克隆
  • kokoro: 在HuggingFace TTS竞技场中排名第2

3. 实时翻译

• 即时语音识别
• 实时多语言翻译
• 可定制的音频输入

🤖 网页界面

配音工作室标签页

• 集成中心：YouTube下载、降噪、字幕、翻译、TTS
• 支持所有ffmpeg兼容格式
• 输出选项：WAV、FLAC、MP3
• 支持100多种语言的字幕和识别
• 可调节TTS的速度、音量、音调

Whisper字幕标签页

• 专用字幕：90多种语言
• 视频集成字幕显示
• 单词级高亮和降噪选项

翻译标签页

• 100多种语言翻译
• 支持字幕文件（ASS、SSA、SRT等）
• 实时语音识别和翻译

语音生成标签页

• 选项：Edge-TTS、F5-TTS、CosyVoice、kokoro
• 使用名人声音制作播客和多语言支持