语音小管家今天要分享的项目绝对是视频创作者和出海玩家的“年度福音”！
如果你做过视频本地化，你一定知道这个流程有多痛苦： 你要先分离音轨，再用 ASR 识别字幕，然后翻译，最后用 TTS 配音。
中间还会用到一些 API 高质量的服务，结果下来是不仅花费巨大，且费时。
有没有一种方案，既能拥有顶级的语音识别和克隆效果，又能完全免费、无限量地使用呢？
今天就给大家按头安利这个 GitHub 上开源的神器：Voice-Pro。
它整合了目前开源界最强的语音模型，把“视频下载 -> 人声分离 -> 字幕识别 -> 文本翻译 -> 声音克隆配音 -> 视频合成”这一整套流程，打包成了一个本地软件。
这意味着，你在自己的 Windows 电脑上，就部署了一套私有的 ElevenLabs。
从付费到开源：Voice-Pro 的前世今生
Voice-Pro 原本是由韩国一个小型创业团队开发的一款商业付费软件。但是由于新项目的开发，无法完全管理 Voice-Pro，索性直接将其彻底开源了。
这对于开源社区来说，简直就是捡到了宝。你不需要写一行 Python 代码，就能享受到商业软件级别的体验。
它不仅仅是一个工具，它是一个集大成者。它把 AI 语音领域最先进的几个模型（WhisperX, F5-TTS, CosyVoice）完美地缝合在了一起。
你可以把它理解成：
• 免费版 ElevenLabs + HeyGen + YTB 翻译工具 • 而且：不按字符收费、不传视频到云端、声音可零样本克隆
支持在 Windows、Mac、Linux 等主流PC平台运行。
⏩核心能力
顶级语音识别: Whisper, Faster-Whisper, Whisper-Timestamped, WhisperX 零样本语音克隆: F5-TTS, E2-TTS, CosyVoice 多语言文本转语音: Edge-TTS, kokoro (付费版包括 Azure TTS) YTB 视频处理与音频提取: yt-dlp 超过100种语言的即时翻译: Deep-Translator (付费版包括 Azure Translator)
可作为ElevenLabs的强大替代方案，Voice-Pro为播客主持人、开发者和创作者提供高级语音解决方案。
⏩主要功能
1、配音工作室
YTB视频下载与音频提取 使用Demucs进行声音分离 支持100多种语言的语音识别与翻译
2、语音技术
语音转文本: Whisper, Faster-Whisper, Whisper-Timestamped, WhisperX 文本转语音:
Edge-TTS: 100多种语言，400多种声音E2-TTS, F5-TTS, CosyVoice: 零样本克隆kokoro: 在HuggingFace TTS竞技场中排名第2
3、实时翻译
即时语音识别 实时多语言翻译 可定制的音频输入
⏩Web可视化界面
1、配音工作室
集成中心：YouTube下载、降噪、字幕、翻译、TTS 支持所有ffmpeg兼容格式 输出选项：WAV、FLAC、MP3 支持100多种语言的字幕和识别 可调节TTS的速度、音量、音调
2、Whisper字幕
专用字幕：90多种语言 视频集成字幕显示 单词级高亮和降噪选项
3、翻译
100多种语言翻译 支持字幕文件（ASS、SSA、SRT等） 实时语音识别和翻译
4、语音生成
选项：Edge-TTS、F5-TTS、CosyVoice、kokoro 使用名人声音制作播客和多语言支持
⏩快速入手
Voice-Pro 其实是个 Python 项目，跟 RVC 很相似，前端使用 Gradio 实现，所以安装也都大同小异。
首先克隆项目
git clone https://github.com/abus-aikorea/voice-pro.git
然后使用configure.bat和start.bat就可轻松安装 Voice-Pro。
Mac/Linux上使用configure.sh和start.sh
其中运行configure.bat会安装git、ffmpeg、CUDA等工具，只需要首次运行一次即可；整个过程需要等待，不要关闭命令窗口。
而start.bat会启动 Voice-Pro 网页界面，首次运行时会安装依赖，只需等待成功启动即可，后续再次使用就会一键启动了。
在项目的最后，大家会发现 Voice-Pro 鸣谢了许多开源项目，而大部分都是我们所熟悉的，所以也是真的可以本地免费使用起来。
⏩写在最后
Voice-Pro 是开源社区对商业软件的又一次「降维打击」。
它把原本付费的 AI 技能工作流，变成了每个人电脑里都能运行的普通工具。虽然本地部署对显卡有一定要求，但相比于长期租用商业 API 的费用，还是好很多的。
如果你正在做视频、多语言内容、AI 配音 — 那这个项目，值得你花一个周末认真跑一遍。
