OpenVoice：MyShell 出品的即时声音克隆模型｜部署与使用全指南

项目仓库： https://github.com/myshell-ai/OpenVoice

论文：arXiv:2312.01479 · 许可证：MIT（可商用） · 最新版本：V2（2024-04） · 语言：英/西/法/中/日/韩

1 项目简介

OpenVoice 是 MyShell 开源的即时声音克隆模型：能精确克隆参考音色，用多语言/口音生成语音，并细粒度控制情感、口音、节奏、停顿、语调。V2 在 V1 基础上提升音频质量，原生支持 6 种语言，MIT 许可可商用。

1.1 核心信息一览

1.2 适用场景

• 用几秒参考音频克隆音色。
• 多语言/跨语言声音克隆。
• 细粒度控制语音情感与风格。

1.3 能力边界（官方口径）

• V2 音频质量优于 V1。
• MIT 可商用。

2 功能特性

• 精确音色克隆：复制参考音色。
• 灵活风格控制：情感、口音、节奏、停顿、语调。
• 零样本跨语言克隆：生成语言与参考音频语言不必在训练集中。
• V2 原生多语言：6 语言。
• MIT 可商用。

3 官方界面预览

示例视频见官方 README。

4 官方跳转链接汇总

5 前置要求与服务器配置

5.1 软件前提

• Python 3.9+。
• Coqui TTS、VITS 依赖。

6 方式一：安装与推理

git clone https://github.com/myshell-ai/OpenVoice
cd OpenVoice
pip install -r requirements.txt

按 docs/USAGE.md 下载 V2 权重后，用 Python API 或 CLI 推理：

# 参考 docs/USAGE.md
from openvoice import se_extractor
from openvoice.api import ToneColorConverter

7 关键约束

• 参考音频建议 6–10 秒清晰人声。
• V2 原生支持 6 语言。

8 常见故障排查

• 音色不像：参考音频太短或有噪声；换清晰干声。
• 依赖冲突：用独立 conda 环境。

9 风险与合规说明

• MIT 可商用；但克隆声音需获本人授权。
• 不得用克隆声音伪造他人言论。

本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。