voice-pro

voice-pro 是什么？ 核心功能 版本/套餐对比 值不值得用？ 使用建议 适合谁用？（三档） voice-pro 是 abus-aikorea 开源的一站式 AI 配音与语音处理套件，本质上是一个基于 Gradio 的 WebUI，把创作者平时要来回切换的好几个工具——视频/音频下载、人声分离、转录、声音克隆、TTS、翻译——全部塞进同一条工作流。它最早是商业项目，后来把整套代码开源，因此常被称为开源版 ElevenLabs。对做双语字幕、多语种配音、视频本地化的创作者来说，它是一个能把订阅账单打到零的本地替代方案。 开源免费、无时长限制；需要商业无限制版本可购买 ABUS 官方版，具体价格见官网。 对内容创作者，voice-pro 很值得。它一次性解决了下载—分离—转录—克隆—合成—翻译的完整链路，省去在四五个 SaaS 之间倒腾文件和预算。前提是你能接受本地部署的硬件门槛：建议 NVIDIA 显卡 4–8GB 显存，首次还要下载约 10GB 模型。

• 音频提取：内置 yt-dlp，可直接下载并处理 YouTube 等平台内容。
• 人声分离：用 Demucs 把人声与背景音乐干净分离，提升克隆质量。
• 高精度转录：支持 Faster-Whisper、Whisper-Timestamped 等，做到词级时间轴。
• 零样本声音克隆：集成 F5-TTS、E2-TTS、CosyVoice，少量参考音频即可复刻音色。
• 文本转语音：内置 Edge-TTS 与 kokoro，自然度高、开箱即用。
• 多语种翻译：集成 Deep-Translator，覆盖 100+ 语种。