概要
Voice-Pro は Gradio ベースのマルチメディア Web アプリケーションで、ゼロショット音声クローニング、多言語 TTS、Whisper 音声認識、YouTube ダウンロード、ボーカル分離、翻訳機能を統合し、クリエイターや開発者向けに無料のオープンソース AI 吹き替えソリューションを提供します。
README プレビュー
\n\n\n\n\nVoice-Pro\n\n\n\n The best AI speech recognition, translation, and multilingual dubbing solution 🚀\n\n\n\n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n\n\n\n \n\n\n\n\n\n## 🎙️ An AI-powered web application for speech recognition, translation, and dubbing\n\n\n \n \n 한국어\n ∙ \n \n English\n ∙ \n \n 中文简体\n ∙ \n \n 中文繁體\n ∙ \n \n 日本語\n ∙ \n \n Deutsch\n ∙ \n \n Español\n ∙ \n \n Português\n \n\n\nVoice-Pro is a state-of-the-art web app that transforms multimedia content creation. It integrates YouTube video downloading, voice separation, speech recognition, translation, and text-to-speech into a single, powerful tool for creators, researchers, and multilingual professionals.\n- 🔊 Top-tier speech recognition: **Whisper**, **Faster-Whisper**, **Whisper-Timestamped**\n- 🎤 Zero-shot voice cloning: **F5-TTS**, **E2-TTS**, **CosyVoice** (incl. **Fun-CosyVoice3** — Korean and 8 more languages)\n- 📢 Multilingual text-to-speech: **Edge-TTS**, **kokoro** (optional **Azure TTS** with your own keys — see [Azure services](#-azure-services-optional-env))\n- 🎥 YouTube processing & audio extraction: **yt-dlp**\n- 🌍 Instant translation for 100+ languages: **Deep-Translator** (optional **Azure Translator** with your own keys)\n\n\nA robust alternative to **ElevenLabs**, Voice-Pro empowers podcasters, developers, and creators with advanced voice solutions.\n\n## ⚠️ Please Note\n- Due to [WeConnect](https://www.wctokyoseoul.com) development work, Voice-Pro development and updates are not possible for the time being.\n- We have made all Voice-Pro code open source and completely free. Voice-Pro can now be freely distributed and modified by anyone.\n- It works well on Windows with NVIDIA GPU. Operation on Mac and Linux has not been verified.\n- Please leave your requests on the [](https://github.com/abus-aikorea/voice-pro/issues) or [](https://github.com/abus-aikorea/voice-pro/discussion
FAQ (4)
トラブル対応ベトナム語の字幕やTTSを処理する際に発生する「'charmap' codec can't decode byte 0x8f」エラーを修正するにはどうすればよいですか？
アプリケーションを v1.7.1 以降にアップグレードしてください。このリリースでは、ベトナム語のテキストで charmap デコードエラーを引き起こしていた文字列エンコーディングのバグが修正されています。更新後、同じ TTS/字幕の操作を再度お試しください。それでもエラーが解消しない場合は、字幕ファイルと、エラーが発生した画面/操作を添えてご報告ください。
トラブル対応Voice-ProのF5 TTS-Single Speakerリストに自分の声を追加またはクローンするにはどうすればよいですか？
Voice-Pro v3.x 以降にアップグレードしてください。組み込みの自分の声のクローン機能が利用可能です。更新後、TTS > F5 TTS-Single を開き、音声クローンオプションを使用して自分の声を追加します。古いバージョンでは、model/f5-tts/voice_15s.json5 にスピーカーエントリを手動で追加できますが、このファイルはアプリケーションの起動時に再ダウンロードされるため、手動での変更は上書きされる可能性があります。v3.x へのアップグレードが推奨される解決策です。
トラブル対応Voice-Pro が30分の制限に達するとどうなりますか？また、どうすれば続行できますか？
Voice-Proのトライアル版では、WebUIのActionボタンは30分経過すると使用できなくなりますが、実行中のタスクは停止されず、結果はworkspaceフォルダに保存されます。UIを引き続き使用するには、Windowsのコマンドプロンプトウィンドウを閉じて、start.batを再度実行してください。これによりセッションが再起動しますが、必ずしも商用ライセンスが付与されるわけではありませんので、使用前にVoice-Proの最新の利用規約を確認してください。
トラブル対応Voice Proで「Transcribe」をクリックした際に発生するエラー「Argument 'input_path' has incorrect type (expected str, got NoneType)」の対処方法
ファイルをアップロードしたら、Submitをクリックし、Transcribeをクリックする前にアップロード/処理が完了するまでお待ちください。エラーが解消されない場合は、選択したメディアの言語を確認し、Whisperモデルをmediumまたはlargeに変更し、Whisperエンジンをfaster-whisperからwhisperまたはwhisper-timestampedに切り替えてから、再試行してください。これらと同じ設定は、YouTubeリンクや外部ファイルでもテストできます。