Mindket

Voice Clone Tool

新上架第 1 版 · 更新于

概览

用 10 到 30 秒的音频样本克隆一个声音,并用这个声音朗读新的文字,支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。

Voice Clone Tool 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Windows、macOS 或 Linux 上的 Python 3.10 和 pip
  • requirements.txt 里列出的包
用在
  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的本地副本,使用 Python 3.10
先运行
pip install -U huggingface_hub
hf download ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool
cd voice-clone-tool

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Voice Clone Tool 接收一段声音的短音频样本,并用这个声音朗读你输入的任何文字。10 到 30 秒的样本就够了,这个工具支持 16 种语言。它使用 Coqui TTS 的 XTTS-v2 模型,运行在 Hugging Face 的免费 CPU 硬件上。

适合谁

适合有权使用某个声音、想用它生成语音的人,比如做旁白或快速测试。

IndustryWho uses itHow they use itExample
内容创作视频和播客创作者用自己克隆的声音为脚本配音创作者上传自己声音的清晰样本,并输入脚本。
本地化多语言工作的团队让同一个声音说另一种语言团队选择西班牙语,用同一个声音生成一句话。
软件开发者通过一个简单页面测试声音克隆模型开发者运行 app.py,看 XTTS-v2 是怎么接起来的。
无障碍想留住自己声音的人经本人同意保留一个声音,以后用来说话用户录一段样本,生成几个短句。

如果你没有声音所有者的同意,可以跳过它,因为这个工具禁止冒充和欺诈。

用在哪里

  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的本地副本,使用 Python 3.10
Use caseWhoWhat they get back
克隆一个声音有授权的任何人用你样本声音说出的语音
切换语言创作者同一个声音说 16 种语言中的一种
本地运行开发者在你自己电脑上的同一个页面

如何设置

  • Windows、macOS 或 Linux 上的 Python 3.10 和 pip
  • requirements.txt 里列出的包
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 下载到名为 voice-clone-tool 的本地文件夹。
  3. 进入这个文件夹。
  4. 安装 4.19.2 版本的 gradio。
  5. 安装 requirements.txt 里列出的包。
  6. 启动应用。
pip install -U huggingface_hub
hf download ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool
cd voice-clone-tool
pip install gradio==4.19.2
pip install -r requirements.txt
python app.py

如何使用

上传一段声音样本,输入文字,选择语言,然后点击 Generate。接着等待音频生成。背景噪声小的清晰语音效果最好,句子越短听起来越自然。

python app.py
ToolWhat it does
声音样本上传接收 10 到 30 秒的清晰语音
文本框放你想让它朗读的文字
语言选择器在 16 种语言中选一种
Generate 按钮用克隆的声音生成语音

示例

你上传 20 秒自己的清晰语音,输入一个短句,选择西班牙语,然后点击 Generate。等一会儿后,工具返回这个句子的音频,声音听起来像你的样本。

新手与专家

如果你是新手,在安静的房间里录大约 20 秒自己的声音,试一个短句。只使用你有权克隆的声音。

如果你熟悉这个领域,这个工具是 Coqui TTS 的 XTTS-v2 模型外面一层很薄的 Gradio 封装。质量取决于样本,句子太长会降低结果的自然度。

  1. 上传 10 到 30 秒的声音样本
  2. 输入文字并选择语言
  3. 点击 Generate
  4. XTTS-v2 返回克隆声音的语音

注意事项

  • 使用背景噪声小的清晰音频
  • 句子越短,结果越自然
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 你给它的声音样本和文字
  • Not for: 冒充或欺诈、误导性内容,或任何非法活动

README 和文件

README

Voice Clone Tool

用 10 到 30 秒的音频样本克隆一个声音,并用这个声音朗读新的文字,支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。

由 ejzhu2026 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Voice Clone Tool 接收一段声音的短音频样本,并用这个声音朗读你输入的任何文字。10 到 30 秒的样本就够了,这个工具支持 16 种语言。它使用 Coqui TTS 的 XTTS-v2 模型,运行在 Hugging Face 的免费 CPU 硬件上。

适合谁:适合有权使用某个声音、想用它生成语音的人,比如做旁白或快速测试。

Industry | Who uses it | How they use it | Example
内容创作 | 视频和播客创作者 | 用自己克隆的声音为脚本配音 | 创作者上传自己声音的清晰样本,并输入脚本。
本地化 | 多语言工作的团队 | 让同一个声音说另一种语言 | 团队选择西班牙语,用同一个声音生成一句话。
软件 | 开发者 | 通过一个简单页面测试声音克隆模型 | 开发者运行 app.py,看 XTTS-v2 是怎么接起来的。
无障碍 | 想留住自己声音的人 | 经本人同意保留一个声音,以后用来说话 | 用户录一段样本,生成几个短句。

如果你没有声音所有者的同意,可以跳过它,因为这个工具禁止冒充和欺诈。

用在哪里:

  • 网页浏览器,通过 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux 上的本地副本,使用 Python 3.10
Use case | Who | What they get back
克隆一个声音 | 有授权的任何人 | 用你样本声音说出的语音
切换语言 | 创作者 | 同一个声音说 16 种语言中的一种
本地运行 | 开发者 | 在你自己电脑上的同一个页面

如何设置:

  • Windows、macOS 或 Linux 上的 Python 3.10 和 pip
  • requirements.txt 里列出的包
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 下载到名为 voice-clone-tool 的本地文件夹。
  3. 进入这个文件夹。
  4. 安装 4.19.2 版本的 gradio。
  5. 安装 requirements.txt 里列出的包。
  6. 启动应用。
pip install -U huggingface_hub
hf download ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool
cd voice-clone-tool
pip install gradio==4.19.2
pip install -r requirements.txt
python app.py

如何使用:上传一段声音样本,输入文字,选择语言,然后点击 Generate。接着等待音频生成。背景噪声小的清晰语音效果最好,句子越短听起来越自然。

python app.py
Tool | What it does
声音样本上传 | 接收 10 到 30 秒的清晰语音
文本框 | 放你想让它朗读的文字
语言选择器 | 在 16 种语言中选一种
Generate 按钮 | 用克隆的声音生成语音

示例:你上传 20 秒自己的清晰语音,输入一个短句,选择西班牙语,然后点击 Generate。等一会儿后,工具返回这个句子的音频,声音听起来像你的样本。

新手与专家:如果你是新手,在安静的房间里录大约 20 秒自己的声音,试一个短句。只使用你有权克隆的声音。

如果你熟悉这个领域,这个工具是 Coqui TTS 的 XTTS-v2 模型外面一层很薄的 Gradio 封装。质量取决于样本,句子太长会降低结果的自然度。

上传 10 到 30 秒的声音样本
输入文字并选择语言
点击 Generate
XTTS-v2 返回克隆声音的语音

注意事项:

  • 使用背景噪声小的清晰音频
  • 句子越短,结果越自然
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 你给它的声音样本和文字
  • Not for: 冒充或欺诈、误导性内容,或任何非法活动

Hugging Face 上的数据(2026年11月13日)

  • 点赞:13
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/ejzhu2026/voice-clone-tool
  • 文件:https://huggingface.co/spaces/ejzhu2026/voice-clone-tool/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Voice Clone Tool 本页13gradiomit
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

效率类的相似商品

查看效率类的全部商品

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k