克隆语音重构完成，可以移步VR工具箱CE版主贴
本帖最后由 zelefans 于 2026-7-6 15:09 编辑1.4版发布，我重新完整地设计了语音克隆配音功能，可控性更好。
主要可以支持目录多文件共享配音基准，主要为了适合小日子的VR视频。因为一个片子分成两三段，后面两段几乎没有可用来长度的的可用长度的语音信息。
为了尽量还原原声的情绪。在原本支持音调克隆的基础上，增加了语速克隆 ，对应也调整了AI翻译的提示词（原来翻译目的是尽可能简短，现在语速可以控制，简短就不用了）。
用下来感觉还行，软件的DLNA服务器已经支持实时直播流自动配音（如果识别到.SI.DUCK.WAV文件）。 VR透视服务器已经改好，下个发布的版本支持。
.SI.DUCK.WAV的文件的作用是压低完整的原声，这个文件是根据字幕文件做的，原始字幕时间区间叠加之后可以尽量把完整的日文语音压低。否则光靠中文翻译后的中文语音，日文语音区间肯定会露出来。所以必须靠两个语音文件配合才能压制。
已经尽量做了，闭门造车一周了，先把完整功能放出来，根据反馈再看有哪里可以后续优化
可以移步主帖了。https://4k2.me/thread-46001-1-1.html
大佬，我是你的粉丝，你赶紧开发，然后搞一个整合包。哈哈哈 大佬又开新项目了啊，玩过不少语音克隆项目，感觉对于lsp目前最大的痛点是无法正确模拟女优语气和喘息呻吟叫床声等 期待期待:handshake，是整合在VR视频工具箱CUDA版里的吗？我以为是独立项目，之前觉得才8g显存跑不动就没尝试，之前一直配合您测试透视服务器沟通很愉快，等您出了这个新版我也测试下语音克隆这块:lol 感觉声音克隆比破解码更有必要，尤其vr语音比较单一更好实现，感谢大佬的辛勤付出，希望越来越好！ 感谢大佬的分享，不过我1070应该用不了，只能升级配置了 克隆最难的还是音调，那种瑟瑟的很难克隆出来 大佬加油 以后就是中文配音的天下了 要是能克隆女星的语音就更好了，你懂的。 能够傻瓜式实时语音就好了。配置啊模型啊对小白还是不明觉厉啊:'(