haoyiyin/clone-voice

Que fait clone-voice ?

🎙️ Compétence Agent — Clonage vocal zero-shot hors ligne avec Qwen3-TTS 0.6B. Déposez un audio de référence + texte, obtenez une voix clonée. CPU/MPS/CUDA, 10 langues.

Prérequis

• Python >= 3.10, pip
• FFmpeg installé (pour la conversion audio)
• Modèle Qwen3-TTS (téléchargé automatiquement au premier lancement)

Installation

pip install qwen-tts soundfile librosa

Vérifiez que ffmpeg est disponible :

ffmpeg -version

Utilisation

L'agent doit appeler la fonction de clonage vocal suivante. Elle est conçue pour être invoquée depuis un agent :

def clone_voice(ref_audio_path: str, text: str, output_path: str = "output.wav", language: str = "auto") -> str:
    """
    Clone une voix à partir d'un échantillon audio de référence et d'un texte.
    
    Args:
        ref_audio_path : chemin vers le fichier audio de référence (phrase courte, voix claire)
        text           : texte à prononcer dans la voix clonée
        output_path    : chemin de sortie du fichier audio généré (par défaut output.wav)
        language       : code de langue ("auto", "zh", "en", "ja", "ko", "fr", "de", "ru", "es", "it", "pt")
    
    Returns:
        Le chemin absolu du fichier audio généré.
    """
    import soundfile as sf
    from qwen_tts import QwenTTS
    import os

    tts = QwenTTS(model_size="0.6B")  # Télécharge automatiquement le modèle
    audio = tts.clone(text, ref_audio_path, language=language)
    sf.write(output_path, audio, samplerate=24000)
    return os.path.abspath(output_path)

Langues supportées

Code	Langue
zh	Chinois
en	Anglais
ja	Japonais
ko	Coréen
fr	Français
de	Allemand
ru	Russe
es	Espagnol
it	Italien
pt	Portugais

Exemple d'appel par un agent

Claude Code / Cursor / Codex / Aider / OpenHands

L'agent reçoit un fichier audio de référence (ref_sample.wav) et un texte ("Bonjour, bienvenue dans notre application."). Il exécute la fonction clone_voice pour générer une voix clonée naturelle, puis retourne le fichier audio résultant.

Remarques

• L'audio de référence doit être court (une seule phrase) et clair (pas de bruit de fond).
• Le modèle tourne entièrement en local : aucune donnée n'est envoyée à un serveur.
• Compatible CPU, MPS (Apple Silicon) et CUDA (NVIDIA).
• Utilisation conseillée d'un GPU ou MPS pour des inférences plus rapides.

Dépannage

• Erreur "No module named 'qwen_tts'" : installez le package avec pip install qwen-tts.
• Erreur FFmpeg : installez FFmpeg via votre gestionnaire de paquets.
• Mémoire insuffisante : fermez d'autres applications ou utilisez --cpu si vous êtes sur GPU.