【免费下载链接】ice-012-audio项目地址https://ai.gitcode.com/hf_mirrors/darkps/ice-012-audio点击查看免费下载ice-012-audio 是一款开源多语言语音克隆与文本转语音TTS模型只需提供一段 10 秒左右的参考音频就能克隆出音色、语速、语调高度相似的声音并支持 590 种语言与方言。本教程面向新手带你从零完成第一次语音克隆。 ice-012-audio 能做什么简单说给它一段人声录音 一段文字它还你一段那个人在念这段文字的音频。核心能力说明️ 参考音频语音克隆上传约 10 秒录音提取音色后合成新内容 多语言合成支持 590 种语言/方言变体含 13 种阿拉伯语地方口音️ 音色精细控制性别、年龄、音高、口音、风格、语速均可指定⚡ 流式输出边生成边输出长文本自动分块处理声音效果可以试听仓库自带的演示音频位于 test/ 目录MrBest.mp3、Molham.mp3、Wissam.mp3。 环境准备最快上手步骤只需安装 Python 和 Hugging Face 的transformers库pip install transformers torch模型通过AutoModelForCausalLM自动加载自定义推理代码位于 modeling_iceAudio.py模型结构定义在 configuration_iceAudio.pyfrom transformers import AutoModelForCausalLM model AutoModelForCausalLM.from_pretrained( darkps/ice-012-audio, trust_remote_codeTrue, device_mapauto, )️ 语音克隆完整流程4 步出片第 1 步准备参考音频把想克隆的声音录成一段WAV 格式音频命名为如ref.wav。第 2 步运行克隆命令项目提供命令行入口一条命令即可完成语音克隆python 03.py --reference ref.wav --output clone.wav --text-file input.txt其中input.txt是要朗读的文字生成结果保存为clone.wav。完整参数说明见 README.md 中的 Voice Cloning 章节。第 3 步提供参考文本推荐如果知道参考音频里说了什么加上--reference-text参数克隆质量会明显提升python 03.py --reference ref.wav --text-file input.txt \ --reference-text 这是参考音频里的原话第 4 步播放比对打开clone.wav与原声对比音色相似度。不满意换一段更干净的参考音频再试一次即可。 参考音频怎么选决定克隆上限的 5 个技巧参考音频是整个语音克隆流程中性价比最高的环节5 个建议时长 1020 秒最佳太短提取不到稳定音色没提供转写文本时超过 20 秒的部分会被自动裁剪对应 modeling_iceAudio.py 中的trim_long_audio逻辑环境安静远离回声、风扇、街道噪声杂音会被模型当成音色特征一起克隆正常说话避免唱歌、呐喊、气声平稳陈述句最能代表真实音色音量适中录音过轻会自动增益放大噪声也会被放大单人声多人对话、背景有人声会干扰说话人编码器的提取 为什么能克隆得这么像ice-012-audio 的核心是主动声学适配器Active Acoustic Adapter它从两个方向强化音色条件主网络之前给音频 codec 嵌入做条件调制主网络之后对隐藏状态再做一轮音色精修适配器内部包含speaker_encoder提取说话人身份与prosody_encoder提取音高、能量、节奏等韵律实现代码见 acoustic_adapter.py克隆提示的构建入口是 modeling_iceAudio.py 中的create_voice_clone_prompt方法——它会读取参考音频、归一化音量、去除首尾静音后提取音色特征。️ 调节音色像调 EQ 一样调整声音除了克隆模型还支持纯 TTS 模式命令行入口02.py可用参数调节声音的人设参数可选值示例--gendermale/female--gender female--style年龄child·teenager·young adult·middle-aged·elderly--style elderly, low pitch--style音高very low pitch~very high pitch--style high pitch--style口音american accent、british accent、chinese accent等 10 种--style teenager, british accent--speed0.5/1.0/1.5/2.0--speed 1.5修饰符可以逗号组合例如老年男性、低音就是--gender male --style elderly, low pitch。 支持哪些语言语言参数--language接受全称不区分大小写或 2~3 字母 ID如english、en、chinese、zh都等价。完整 590 种语言清单见 README.md 的 Supported Languages 表格。阿拉伯语方言支持尤为完整方言ID方言ID埃及方言 Egyptian Lahgtnaeg叙利亚方言 Syrian Lahgtnasy沙特方言 Saudi Lahgtnasa黎巴嫩方言 Lebanese Lahgtnalb摩洛哥方言 Moroccan Lahgtnama突尼斯方言 Tunisian Lahgtnatn伊拉克方言 Iraqi Lahgtnaiq也门方言 Yemeni Lahgtnaye✅ 典型应用场景有声书 / 播客用自己的声音录制批量生成多语言版本视频配音为短视频、课程生成一致的旁白文档朗读把长文转成可听音频本地化同一内容一次合成多语言分发⚠️ 使用注意授权先行只能克隆本人或有明确授权的声音克隆他人声音用于冒充、欺诈属违法行为许可证限制模型采用cc-by-nc-4.0许可仅限非商业用途见 README.md 头部元信息采样率输出音频采样率为 24000 Hz配置见 config.json 的audio字段 项目文件速查文件作用modeling_iceAudio.py模型推理与语音克隆核心代码acoustic_adapter.py主动声学适配器音色条件模块configuration_iceAudio.py模型配置类config.json模型结构参数backbone、音素码本、韵律路由等tokenization_iceAudio.py文本分词器封装tokenizer.json分词表test/演示合成音频样本准备好一段安静的 10 秒录音跑通03.py你就拥有了一条声音复刻流水线。赞分享【免费下载链接】ice-012-audio项目地址https://ai.gitcode.com/hf_mirrors/darkps/ice-012-audio点击查看免费下载相关推荐15秒音频克隆任意声音Alexandria声音克隆实战指南15秒音频克隆任意声音Alexandria声音克隆实战指南 Alexandria 是一款基于 Qwen3 TTS 的 AI 有声书生成器它的声音克隆功能只需MLX-Audio 语音克隆完全指南从参考音频到克隆语音的模型选型与实战MLX Audio 语音克隆完全指南从参考音频到克隆语音的模型选型与实战 导读 语音克隆Voice Cloning是让 TTS 模型仅凭一小段参考音频就语音音频人工智能本地部署模型推理服务VoxCPM语音克隆教程如何用0.5B参数实现高拟真声音复制VoxCPM语音克隆教程如何用0.5B参数实现高拟真声音复制 还在为语音合成效果生硬而烦恼吗VoxCPM 0.5B作为面壁智能开源的轻量化语音克隆模型仅需人工智能语音音频大模型创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考