使用Voicebox进行语音克隆 ElevenLabs 的免费开源替代方案。

Voicebox 是一款以本地化为核心的语音克隆工作室，是 ElevenLabs 的免费开源替代方案。它可以从几秒钟的音频中克隆语音，使用 7 个 TTS 引擎生成 23 种语言的语音，应用后期处理效果，并使用时间线编辑器创作多语音项目。

https://docs.voicebox.sh/ 这个地址是他的官网 我们进去他的官网 在里面根据我们的系统下载我们的版本 我是macos系统所以下载mac版本

1. 我们先点击进入这个软件
2. 然后点击上方创建声音 要是有现成的声音点导入声音也行 如图2
3. 点击进来之后是如图3的页面 然后我们点击左侧的录制进行录音 并把说的话放到参考文本中 在右侧选择chinese 如图4所示
4. 然后点击创建即可

1. 我们选择我们刚刚录制好的语音 然后底部选择chinese 模型我这边选择的是qwen1.7b的tts 如图1所示
2. 然后我们输入想要生成的文本 如图2所示
3. 然后我们点击生成 他会先进行模型的下载 如图3 下载完之后才会进行生成 如图4
4. 然后等待生成即可

我们可以点击右侧三个点 然后点击导出音频 然后选择位置点击确定即可

Voicebox是通过发起http网络请求进行调用 我这边就先用postman进行演示

1. 首先是创建profile 如图1所示 zh是中文 name就是profile的名称 profile就是如图2所示圈出来的这个 我们也可以直接在软件中创建
2. 然后查询profile 的id get请求 http://localhost:17493/profiles 如图3所示
3. 然后我们把上一步的id复制下来进行创建语音 post请求 http://localhost:17493/generate json实体如下

1. 如图4所示就是生成成功了 然后我们的软件就有了如图5 要是没有可以刷新一下或者重启软件