Chuyển đến nội dung

myshell-ai / OpenVoice

OpenVoice

Nhân bản âm sắc giọng nói từ một đoạn mẫu ngắn và cho đọc bằng nhiều ngôn ngữ, giấy phép MIT

OpenVoice của MyShell (cùng nhóm tác giả từ MIT và Tsinghua) là công nghệ nhân bản âm sắc giọng nói tức thì: lấy giọng từ một đoạn âm thanh mẫu ngắn rồi dùng giọng đó nói bằng nhiều ngôn ngữ, có điều khiển cảm xúc, nhịp điệu, ngắt nghỉ. Từ bản V2 (tháng 4 năm 2024) hỗ trợ trực tiếp tiếng Anh, Tây Ban Nha, Pháp, Trung, Nhật, Hàn và theo README cả V1 lẫn V2 đều theo giấy phép MIT, dùng thương mại được.

  • 38.262 sao
  • 4.294 fork
  • Python
  • Cập nhật 1 năm trước
  • MIT (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Mô hình AI, Thư viện lập trình
Chạy trên
Linux, Windows, Docker, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng OpenVoice

Nếu chỉ muốn nghe thử mà không cài gì, README dẫn bạn tới các dịch vụ chạy sẵn của MyShell và một Hugging Face Space. Bạn thu hoặc tải lên một đoạn giọng mẫu, nhập văn bản, và nhận về giọng có âm sắc giống mẫu. README ghi rõ các trang này chỉ phù hợp để thử nhanh, không đảm bảo chất lượng và độ ổn định cao.

Muốn chạy trên máy, hướng dẫn chính thức dành cho Linux và nhà phát triển: tạo môi trường conda, tải mã nguồn, cài bằng pip, tải file checkpoint rồi mở các notebook Jupyter mẫu hoặc giao diện Gradio nhỏ. Với Windows và Docker, README chỉ dẫn tới hướng dẫn không chính thức do cộng đồng viết.

Về mặt trải nghiệm, bạn sẽ thấy OpenVoice thiên về công cụ cho nhà phát triển và nhà nghiên cứu hơn là ứng dụng đóng gói sẵn cho người dùng cuối.

Tính năng nổi bật

Sao chép âm sắc chính xác

Lấy âm sắc từ giọng mẫu và tạo lời nói mới bằng nhiều ngôn ngữ và giọng địa phương.

Điều khiển phong cách giọng

Chỉnh cảm xúc, giọng địa phương, nhịp điệu, ngắt nghỉ và ngữ điệu chi tiết.

Nhân bản xuyên ngôn ngữ

Ngôn ngữ của giọng mẫu và ngôn ngữ của câu nói không cần xuất hiện trong bộ dữ liệu huấn luyện lớn.

V2: chất lượng tốt hơn, đa ngôn ngữ tự nhiên

Hỗ trợ trực tiếp tiếng Anh, Tây Ban Nha, Pháp, Trung, Nhật, Hàn và có chiến lược huấn luyện cho âm thanh tốt hơn.

Giấy phép MIT cho cả V1 và V2

Theo README, từ tháng 4 năm 2024 cả V1 và V2 đều dùng thương mại được.

Notebook mẫu

Có các notebook demo_part1, demo_part2, demo_part3 minh hoạ điều khiển phong cách, nhân bản xuyên ngôn ngữ và V2.

Tận dụng OpenVoice vào việc gì?

Người làm nội dung, lập trình viên

Thử nghiệm giọng đọc đa ngôn ngữ

Dùng giọng của chính bạn (đã đồng ý) để đọc cùng một nội dung bằng tiếng Anh, Hàn, Nhật hoặc ngôn ngữ khác trong danh sách.

Nhà làm game, nhà phát triển ứng dụng

Giọng cho nhân vật ảo

Tạo giọng riêng cho nhân vật từ diễn viên lồng tiếng đã cho phép, rồi điều khiển cảm xúc.

Sinh viên, nhà nghiên cứu

Nghiên cứu voice cloning

Đọc bài báo và chạy notebook để hiểu cách tách âm sắc khỏi phong cách và ngôn ngữ.

Doanh nghiệp công nghệ

Tích hợp vào sản phẩm

Nhờ giấy phép MIT, có thể nghiên cứu để đưa vào sản phẩm sau khi tự kiểm thử chất lượng và pháp lý.

Cần chuẩn bị gì?

  • Python 3.9 trong môi trường conda theo hướng dẫn Linux của README.
  • Biết dùng Terminal, Git, pip và Jupyter Notebook; Windows và Docker chỉ có hướng dẫn cộng đồng không chính thức.
  • Tải checkpoint từ link trong tài liệu (V1 giải nén vào thư mục checkpoints, V2 vào checkpoints_v2).
  • V2 cần thêm MeloTTS và dữ liệu từ điển unidic.

Hướng dẫn cài đặt chi tiết

Cài trên Linux (chính thức)

  1. Tạo môi trường conda và cài mã nguồn, như trong tài liệu USAGE của repo.

    Terminal
    conda create -n openvoice python=3.9
    conda activate openvoice
    git clone https://github.com/myshell-ai/OpenVoice.git
    cd OpenVoice
    pip install -e .
  2. Tải checkpoint V2 theo link trong tài liệu USAGE (file checkpoints_v2_0417.zip) và giải nén vào thư mục checkpoints_v2 trong dự án.

  3. Với V2, cài thêm MeloTTS và từ điển ngôn ngữ.

    Terminal
    pip install git+https://github.com/myshell-ai/MeloTTS.git
    python -m unidic download

Cài trên Windows và Docker

  1. README không có hướng dẫn chính thức cho Windows hay Docker mà dẫn tới các hướng dẫn do cộng đồng (bên thứ ba) viết. Hãy tự đánh giá độ tin cậy và đọc kỹ các lệnh trước khi chạy.

  2. Cách thay thế nếu không muốn tự cài: dùng các dịch vụ chạy sẵn của MyShell hoặc Hugging Face Space được liệt kê trong mục Quick Use của tài liệu USAGE.

Dùng thử lần đầu

  1. Nếu chỉ muốn nghe thử, mở các trang demo mà README liệt kê (MyShell hoặc Hugging Face Space), tải lên đoạn giọng mẫu của bạn và nhập văn bản.

  2. Để chạy trên máy, mở notebook demo_part3.ipynb (dành cho V2) bằng Jupyter sau khi đã cài đặt và tải checkpoint.

  3. Thay đường dẫn giọng mẫu bằng file ghi âm của chính bạn, sạch và ngắn, rồi chạy từng ô mã.

  4. Thử các ngôn ngữ V2 hỗ trợ trực tiếp (Anh, Tây Ban Nha, Pháp, Trung, Nhật, Hàn) và nghe so sánh âm sắc.

  5. Xem thêm demo_part1 và demo_part2 để thử điều khiển phong cách và nhân bản xuyên ngôn ngữ.

Mẹo dùng hay

  • Dùng giọng mẫu ngắn và sạch, không nhạc nền, để âm sắc được trích chính xác.
  • Đọc file hỏi đáp (docs/QA.md) của repo khi gặp lỗi thường gặp.
  • Muốn tiếng Việt, cần tự kiểm tra; README không liệt kê tiếng Việt trong các ngôn ngữ V2 hỗ trợ trực tiếp.
  • Giữ file kết quả và ghi nhớ nguồn giọng mẫu để chứng minh sự đồng ý khi cần.

Lưu ý và hạn chế

  • Nhân bản giọng có thể bị dùng để mạo danh hoặc lừa đảo. Chỉ dùng giọng của chính bạn hoặc người đã đồng ý rõ ràng, và không phát hành nội dung gây hiểu lầm rằng đó là giọng thật của ai đó.
  • Danh sách ngôn ngữ V2 gồm Anh, Tây Ban Nha, Pháp, Trung, Nhật, Hàn; tiếng Việt không có trong danh sách chính thức.
  • Dự án cập nhật ít (lần đẩy mã gần nhất trong dữ liệu kho là giữa 2025) và chỉ hướng dẫn chính thức cho Linux.

Câu hỏi thường gặp

OpenVoice có đọc tiếng Việt không?

README liệt kê tiếng Anh, Tây Ban Nha, Pháp, Trung, Nhật, Hàn. Tiếng Việt không có trong danh sách.

Dùng thương mại được không?

README nói V1 và V2 đều theo giấy phép MIT, miễn phí cho cả mục đích thương mại và nghiên cứu. Bạn vẫn cần tuân thủ luật và quyền của chủ giọng.

Cài trên Windows có dễ không?

Không có hướng dẫn chính thức cho Windows, chỉ có hướng dẫn cộng đồng. Người ít kinh nghiệm nên thử demo trực tuyến trước hoặc dùng Linux hay WSL.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/myshell-ai/OpenVoice.git

Repo tương tự nên xem

Giọng nói & âm thanh AI15,6K

F5-TTS

SWivid / F5-TTS

Bắt chước giọng nói từ vài giây âm thanh mẫu rồi đọc văn bản mới bằng giọng đó

KhóWindowsLinuxDockerPython
Giọng nói & âm thanh AI65,2K

GPT-SoVITS

RVC-Boss / GPT-SoVITS

Nhân bản giọng nói chỉ từ 5 giây âm thanh, hoặc tinh chỉnh với khoảng 1 phút dữ liệu, kèm WebUI đầy đủ

VừaWindowsmacOSLinuxDocker+1

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Giọng nói & âm thanh AI

Giọng nói & âm thanh AI113K

Whisper

openai / whisper

Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI57,2K

VibeVoice

microsoft / VibeVoice

Bộ mô hình giọng nói của Microsoft: nhận dạng giọng nói dài 60 phút và đọc văn bản theo thời gian thực

KhóLinuxDockerPython
Giọng nói & âm thanh AI55,2K

whisper.cpp

ggml-org / whisper.cpp

Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python

KhóWindowsmacOSLinuxAndroid+2
Giọng nói & âm thanh AI40K

ChatTTS

2noise / ChatTTS

Mô hình đọc văn bản cho hội thoại, giọng tự nhiên có cả tiếng cười và quãng ngắt nghỉ

KhóWindowsLinuxmacOSPython
Giọng nói & âm thanh AI39,3K

RVC (Retrieval-based Voice Conversion WebUI)

RVC-Project / Retrieval-based-Voice-Conversion-WebUI

Đổi giọng nói thành giọng khác chỉ cần khoảng 10 phút dữ liệu để huấn luyện, có giao diện web

KhóWindowsLinuxPython
Giọng nói & âm thanh AI33,8K

Fish Speech

fishaudio / fish-speech

Mô hình đọc văn bản thành giọng nói, nhân bản giọng và điều khiển cảm xúc bằng thẻ trong câu.

KhóLinuxDockerPython

Xem cả 20 repo Giọng nói & âm thanh AI Về Kho Repo