pyVideoTrans

Appearance

v4.05版本起，该配音渠道已内置，无需自行部署和下载模型，以下内容仅针对 v4.05 之前版本 如果首次下载模型失败，请手动打开地址 https://huggingface.co/k2-fsa/OmniVoice/tree/main 将所有文件下载后放到软件目录/models/models--k2-fsa--OmniVoice 文件夹内

配音渠道：OmniVoice-TTS ​

一、什么是 OmniVoice ​

OmniVoice 是一款先进的零样本多语言 TTS 模型，具有以下特点：

  • 超多语言支持：支持 600 多种语言
  • 高质量语音：生成的语音自然流畅
  • 语音克隆：支持基于参考音频克隆音色
  • 推理速度快：具有卓越的推理速度

从 pyVideoTrans v4.05 版本起， OmniVoice 改为内置，无需额外部署

OmniVoice 开源地址：https://github.com/k2-fsa/OmniVoice

二、前置条件 ​

条件说明
pyVideoTrans 版本≥ v3.98-0403
操作系统Windows（整合包）、Linux/macOS（源码部署）
硬件建议有 NVIDIA 显卡（GPU 加速）
网络首次启动需从 huggingface.co 下载模型（国内需镜像或科学上网）

三、Windows 整合包（推荐新手） ​

下载 ​

启动 ​

  1. 下载 .7z 文件后解压
  2. 双击 start.bat
  3. 等待启动成功，成功标志是出现并停留在下图界面：

第一次启动将下载模型，默认从国内镜像站 https://hf-mirror.com 下载。源站 huggingface.co 国内无法直接访问，需科学上网。

四、MacOS/Linux 源码部署 ​

第一步：下载源码 ​

  1. 点击 OmniVoice 官方代码仓库 下载源码
  2. 点击首页中部的绿色 <>Code 按钮，再点击 Download ZIP
  3. 解压后进入含有 pyproject.toml 的文件夹（通常在 OmniVoice-master 内）

第二步：安装 uv ​

打开终端命令行执行安装命令：

bash
curl -LsSf https://astral.sh/uv/install.sh | sh

Windows 用户：可点击下载 uv 压缩包，解压后将 uv.exe 和 pyproject.toml 放在一起。

第三步：安装依赖 ​

在 pyproject.toml 所在文件夹内打开终端，执行：

bash
uv sync

国内安装较慢，可使用镜像加速：

bash
uv sync --default-index "https://mirrors.aliyun.com/pypi/simple"

第四步：设置模型下载镜像 ​

模型网站 huggingface.co 国内无法直接访问，需设置镜像：

Windows：

bash
set HF_ENDPOINT=https://hf-mirror.com

MacOS/Linux：

bash
export HF_ENDPOINT=https://hf-mirror.com

第五步：启动接口 ​

bash
uv run omnivoice-demo --ip 0.0.0.0 --port 8081

五、在 pyVideoTrans 中使用 ​

配置步骤 ​

  1. 打开 pyVideoTrans 软件
  2. 点击菜单 → TTS设置 → OmniVoice-URL
  3. 填写地址：http://127.0.0.1:8081
  4. 在下方角色列表中填写参考音频及其对应文本

参考音频格式 ​

音频文件名.wav#音频对应的文字内容

示例：假设已有音频 nverguo.wav（纯净的女儿国王说话声），将其放在 pyVideoTrans 软件下的 f5-tts 文件夹内，在设置界面填写：

nverguo.wav#这里填写说话的文字内容

  1. 点击「测试」，若提示 OK 则保存，即可使用

六、在 Google Colab 上使用 ​

也可以打开 该网址 直接在 Colab 上使用：

  1. 点击上方「全部运行」
  2. 等待最底部单元格出现类似 https://xxxxxxxx.gradio.live 网址
  3. 点击打开可在浏览器里使用
  4. 复制该地址到 pyVideoTrans 菜单 → TTS设置 → OmniVoice-URL 中

七、参考音频要求 ​

项目要求
格式WAV 格式（推荐）
时长3~10 秒（最佳）
内容发音清晰，无背景噪音
放置位置pyVideoTrans 根目录下的 f5-tts 文件夹

源码代码验证（_omnivoice.py）：OmniVoice 使用 /_clone_fn Gradio API 端点，支持 60+ 种语言代码映射，内置重试机制（tenacity）。另外还支持 OmniVoice-Studio（端口 3900），使用 REST API /generate 端点。

八、常见问题 ​

1. 源码部署时看不到 pyproject.toml？ ​

解压后默认会显示一个 OmniVoice-master 文件夹，点击进去会看到 pyproject.toml 或 pyproject，所有操作均需要在此文件夹内进行。

2. 提示 uv 不是内部或外部命令？ ​

说明未安装 uv，或未放入系统环境。Windows 用户 点击下载 uv 压缩包，解压后复制 uv.exe 粘贴到 pyproject.toml 所在目录内。其他系统直接执行安装命令。

3. 下载模型很慢最终失败？ ​

默认从 huggingface.co 下载，国内无法打开。需设置模型镜像源：

Windows：

bash
set HF_ENDPOINT=https://hf-mirror.com

MacOS/Linux：

bash
export HF_ENDPOINT=https://hf-mirror.com

4. uv sync 执行失败？ ​

模块安装默认从国外下载，可使用国内阿里镜像源：

bash
uv sync --default-index "https://mirrors.aliyun.com/pypi/simple"

5. 使用阿里镜像源还是失败？ ​

可能缺少 MSVC 环境，请 按此方案安装 MSVC 环境。

6. 如何直接在网页使用 OmniVoice 进行配音？ ​

启动完成后，直接在浏览器里打开 http://127.0.0.1:8081

7. 整合包里如何修改启动端口和模型镜像？ ​

使用记事本打开 start.bat：

  • 如不想使用国内下载镜像，直接删除 set "HF_ENDPOINT=https://hf-mirror.com" 这行
  • 如想修改启动端口，修改 set "PORT=8081" 中的 8081 为你想要的端口