eVoice Studio
Tải bộ cài
Elevate Labs · Beta 0.5.7

Studio giọng nói chạy ngay trên máy bạn

Nhân bản giọng, lồng tiếng video, làm sách nói và chép lời bằng 646 ngôn ngữ. Không cần tài khoản, không gửi giọng nói hay video của bạn lên đám mây.

Tải cho Windows Xem cách dùng

Windows 10/11 x64 · 214 MB · miễn phí, mã nguồn mở

Chạy các mô hình mã nguồn mở trên CUDA, Apple MPS, ROCm hoặc CPU

  • OmniVoice
  • IndexTTS
  • CosyVoice
  • MOSS-TTS
  • Whisper
  • KittenTTS
  • Supertonic-3
  • PocketTTS
Giới thiệu

eVoice Studio là gì?

Một ứng dụng desktop gom các mô hình giọng nói mã nguồn mở tốt nhất vào một giao diện. Bạn cài một lần, máy tự nhận phần cứng, rồi mọi thứ chạy cục bộ.

Dữ liệu ở lại trên máy

Giọng mẫu, kịch bản và video không rời máy của bạn.

Tự nhận phần cứng

Dùng GPU NVIDIA, Apple MPS hoặc ROCm khi có, CPU khi không.

646 ngôn ngữ

Lồng tiếng, chép lời và đọc chính tả, có tiếng Việt.

Tải · Chuẩn bị · Chọn giọng · Xuất

Từ bộ cài đến file đầu tiên

Không cần cài Python, FFmpeg hay tự tải mô hình. Ứng dụng lo phần đó ở lần mở đầu tiên.

BƯỚC 1

Tải và cài

Một file .exe, cài như mọi ứng dụng Windows.

BƯỚC 2

Chuẩn bị lần đầu

App tự dựng môi trường và tải mô hình. Mất mạng giữa chừng thì tải tiếp từ chỗ dừng.

BƯỚC 3

Chọn hoặc tạo giọng

Ghi 5 đến 15 giây giọng nói, hoặc mô tả giọng bạn muốn bằng chữ.

BƯỚC 4

Xuất kết quả

WAV, MP3, video đã lồng tiếng, phụ đề SRT hoặc sách nói theo chương.

Tính năng

Mọi việc với giọng nói, trong một ứng dụng

Các công cụ dùng chung thư viện giọng và dự án, nên một giọng đã nhân bản dùng được cho lồng tiếng, sách nói và đọc chính tả.

Lồng tiếng video

Tách lời, dịch, đọc lại bằng giọng gốc hoặc giọng bạn chọn, giữ nhạc nền và khớp thời lượng từng câu. Có chế độ chạy hàng loạt cho nhiều video.

Dịch · Tách nhạc nền · Hàng loạt

Nhân bản giọng

Từ 5 đến 15 giây giọng nói rõ, lưu thành hồ sơ giọng để dùng lại.

Ghi âm · Tải file

Thiết kế giọng

Tạo một giọng mới từ mô tả, không cần mẫu ghi âm.

Sách nói

Dán bản thảo, chia chương, gán giọng cho từng nhân vật rồi xuất file theo chương.

Chép lời và đọc chính tả

Chuyển file ghi âm thành văn bản có mốc thời gian, hoặc nói để gõ chữ.

Dựng video

Timeline nhiều track kiểu CapCut: cắt, tách, keyframe, chữ, bộ lọc màu, phụ đề tự động và nhạc tự hạ khi có giọng nói. Xuất MP4 ngay trên máy.

Keyframe · Phụ đề tự động · Xuất MP4

Video quảng cáo

Thả clip và ảnh, chọn nhạc: cảnh tự cắt theo nhịp, có chữ động và logo, xuất dọc, vuông hoặc ngang.

Khớp nhịp · Chữ động · Logo

Đọc và xoá phụ đề in sẵn

Nhận dạng phụ đề đã in cứng vào khung hình để lấy lời thoại, rồi xoá chúng trước khi lồng tiếng.

Quy trình tự động

Nối các bước chép lời, dịch, đọc giọng và chuẩn hoá âm lượng thành một quy trình, rồi chạy cho tối đa 50 kịch bản hoặc file mỗi lần.

Rẽ nhánh · Chạy tiếp khi dừng

API trên máy

Gọi tạo giọng từ công cụ hoặc quy trình riêng của bạn qua API chạy cục bộ.

Tải về

Cài eVoice Studio

Bản beta cho Windows. Bản cho macOS và Linux đang được chuẩn bị.

eVoice Studio cho Windows

Tải bộ cài .exe
macOS: sắp cóLinux: sắp có
Phiên bản
0.5.7-beta.2
Dung lượng
214 MB
Kiến trúc
Windows x64

SHA-256 để kiểm tra file sau khi tải

e8338d95e788e6bdebaf60ea17d11224bc35a5aae3343f33433275b5401cf6f4

Cấu hình

  • Windows 10 hoặc 11, 64-bit
  • Khoảng 10 GB trống cho ứng dụng, môi trường và mô hình
  • GPU NVIDIA để chạy nhanh. Không có GPU vẫn dùng được trên CPU, chậm hơn

Cài đặt

  1. Mở file .exe vừa tải. Nếu SmartScreen hiện cảnh báo, chọn “Thông tin thêm” rồi “Vẫn chạy”.
  2. Mở eVoice Studio. Lần đầu, app tải PyTorch (khoảng 3 GB với GPU NVIDIA, ít hơn nhiều với CPU) và mô hình.
  3. Chọn một tính năng ở thanh bên trái và bắt đầu. Sau bước này, app chạy không cần mạng.

Máy của bạn chạy được gì

eVoice Studio tự đo máy và chọn mức phù hợp ở Cài đặt → Hiệu năng. Bạn vẫn đổi được bất cứ lúc nào.

Mức
Phần cứng
Phù hợp cho
Nhanh
Chỉ CPU, dưới 12 GB RAM
Giọng đọc nhẹ (KittenTTS, Supertonic-3, PocketTTS), chép lời và đọc chính tả bằng mô hình nhỏ. Dựng video và video quảng cáo không cần GPU.
Cân bằng
GPU NVIDIA 4 GB VRAM và 12 GB RAM, hoặc CPU 8 luồng và 16 GB RAM
Lồng tiếng video, chép lời nhanh với Whisper Turbo, đọc chính tả Parakeet.
Chất lượng
GPU NVIDIA 8 GB VRAM và 16 GB RAM
Nhân bản giọng bằng OmniVoice trên GPU (cần từ 6 GB VRAM), chép lời Whisper large-v3, dịch bằng NLLB ngay trên máy.
Tối đa
GPU NVIDIA 12 GB VRAM và 24 GB RAM
Mọi mô hình ở chất lượng cao nhất, giữ nhiều mô hình cùng lúc để chuyển việc nhanh hơn.

Ổ đĩa: khoảng 10 GB cho ứng dụng và mô hình cơ bản. Engine tạo nhạc AI (ACE-Step) cần thêm khoảng 15 GB và nên có GPU NVIDIA; không tạo nhạc và lồng tiếng cùng lúc trên GPU nhỏ.

Hỏi đáp

Câu hỏi thường gặp

eVoice Studio có mất phí không?

Không. eVoice Studio miễn phí và mã nguồn mở theo giấy phép AGPL-3.0, phát triển từ dự án VoiceStudio.

Có cần kết nối Internet không?

Chỉ ở lần cài đặt đầu tiên để tải môi trường và mô hình. Sau đó mọi tính năng chạy trên máy. Một số việc như kiểm tra bản cập nhật hay mở thư viện giọng cộng đồng sẽ dùng mạng khi bạn chọn.

Giọng nói và video của tôi có bị gửi đi đâu không?

Không. Giọng mẫu, kịch bản, video và kết quả đều nằm trong thư mục dữ liệu trên máy bạn. Ứng dụng không yêu cầu tài khoản hay khoá API.

Máy tôi không có card đồ hoạ rời thì sao?

Vẫn dùng được. Khi không thấy GPU NVIDIA, ứng dụng cài bản PyTorch cho CPU, nhẹ hơn nhiều. Hãy chọn các mô hình nhẹ như KittenTTS, Supertonic-3 hoặc PocketTTS và một mô hình Whisper nhỏ để chạy nhanh hơn.

Tôi có được nhân bản giọng của người khác không?

Chỉ khi người đó đồng ý. Hãy dùng giọng của chính bạn hoặc giọng đã được cho phép, và ghi rõ khi nội dung được tạo bằng AI.