自定义 ChatGPT、Codex 和 Grok Bot 的输出声音

Persona Voice 在本地替换助手语音，并以近实时速度播放。

Persona Voice 是一款桌面应用，可将 ChatGPT、Codex 或 Grok Bot 的语音输出替换为你选择的声音。只需选择一次来源应用；对话和控制仍保留在原应用中，语音转换则在本设备上运行。输出质量与时序会因硬件、输入音频和所选参考而异。

演示

Grok Bot	Codex
Voice-changer-Grok-demo-40s-v3.mp4	demo.mp4

语音模型

首次设置只需下载一个模型，之后可在 设置 → 语音模型 中安装另一个。现有安装保留原来的选择；全新 Apple Silicon 安装默认推荐 Chatterbox。

模型	发布年份	语音与性能
Seed-VC Tiny	2024	在本应用的对比中最适合日语和中文。300 毫秒处理块，支持 Apple Silicon 和 x64 NVIDIA CUDA。
Chatterbox	2025	推荐用于英语和其他语言，英语已通过实时试听。Apple Silicon 上使用 640 毫秒处理块。

在 Apple M4 Pro 上处理同一段英语音频时，Chatterbox 的处理时间减少了29%。质量因语言和声音而异。测量条件、启动延迟、磁盘要求和发布年份来源见模型对比。

为什么选择 Persona Voice

近实时转换。 两种模型都以固定长度的音频块处理语音，并在转换完成后立即流式输出。实际延迟会因硬件和音频路由而异。
替换原声，而不是叠加播放。 Persona Voice 会抑制所选应用的原始播放，并把转换后的声音发送到扬声器。
一条中继支持多个语音应用。 无需更换模型、声音或本地转换管线，即可在 ChatGPT （包括 Codex）与 Grok Bot 之间切换。
本地推理。 安装后的转换在你的设备上运行，不需要语音 API 密钥。
预设声音与私有参考音频。 内置目录包含标注来源的 VOICEVOX 角色，以及少量社区和演示参考。你也可以添加自己有权使用的私有参考音频。
个性化。 选择内置音色、添加你有权使用的私有参考音频，并为每个声音搭配独立角色场景，让声音与角色保持一致。
可控的本地历史。 历史记录默认关闭。启用后也只保存转换后的音频，并默认在六小时后自动清理，也可立即清空。

工作原理

ChatGPT / Codex 或 Grok Bot
        │ 语音输出
        ▼
Persona Voice 音频路由
        ▼
所选本地模型：Chatterbox / Seed-VC
        │
        ▼
扬声器

Persona Voice 会在所选应用、本地引擎和输出路由全部就绪后才替换原始播放。如果无法安全建立路由，转换不会开始。

详细内容参见架构、原生协议和引擎契约。

快速开始

下载并使用

从 Releases 下载最新的 macOS、Windows 或 Linux 版本。 Windows 设置会打开官方 VB-CABLE 下载页面；请单独安装、重启 Windows，然后按应用内的音量合成器步骤操作。

启动 Persona Voice，选择 ChatGPT 或 Grok Bot，完成系统音频设置，并下载一个模型。
选择目标声音并点击 启动语音转换。
在所选应用中照常进入语音模式。

要求见平台状态；如果设置受阻，请查看故障排除。

从源码运行

你需要：

Git、Bun 1.3.14、Node.js 22.12+ 和 uv；
以下任一合格主机配置：带 MPS/MLX 的 Apple Silicon macOS 14.2+、带受支持 NVIDIA CUDA 驱动的 x64 Linux，或 Windows build 20348+ x64 与受支持 NVIDIA CUDA 驱动；
平台原生工具链：macOS 上的 Xcode Command Line Tools，Linux 上的 C++20 编译器与 pkg-config/PipeWire 开发头文件，或 Windows 上的 MSVC/CMake/Windows SDK；
Chatterbox 在 macOS 上安装约 4 GiB，设置时需要 8 GiB 空闲空间。
Seed-VC 空间：macOS 安装约 2.5 GiB且至少空闲 6 GiB；Windows 安装约 9 GiB且至少空闲 15 GiB；Linux 安装约 11 GiB且至少空闲 15 GiB。
Windows 还需要单独安装 VB-Audio 官方 VB-CABLE 驱动。

git clone --recurse-submodules https://github.com/miuuyy/ChatGPT-Persona-Voice.git
cd ChatGPT-Persona-Voice
bun install --frozen-lockfile
bun run dev

Linux 源码运行还需要 PipeWire 和 WirePlumber。平台设置、原生构建命令与贡献者验证步骤见开发指南。

平台状态

平台	可用性	要求与当前限制
Apple Silicon macOS 14.2+	提供预览包	MPS/MLX；仍需生产签名／公证和全新设备验证
Linux x64 + NVIDIA	提供预览包	CUDA 13.0、PipeWire 和 WirePlumber；仍需更广泛的发行版覆盖
Windows x64 + NVIDIA，build 20348+	提供预览包	CUDA 13.0 和单独安装的 VB-CABLE；欢迎提供实体 Windows 主机反馈
其他主机	不可用	不支持

详见平台矩阵与发布门槛。

声音参考

内置目录目前包括四国めたん、ずんだもん、春日部つむぎ、冥鳴ひまり、九州そら、 WhiteCUL、櫻歌ミコ、小夜/SAYO、春歌ナナ、猫使アル、満別花丸、琴詠ニア、社区 JARVIS 参考，以及未获官方关联的 Donald Trump 演示音色。

VOICEVOX 样本由官方展示音频构建，并保留必要署名。社区与公众人物参考继续受各自条款约束，不得被描述为真实录音或官方背书。请只使用你有权使用的声音。详见声音 manifest与单一的第三方声明清单。

安全与隐私

原始捕获 PCM 不会被有意保存或写入日志。
历史记录只接受已提交给输出会话的转换后帧。
只有在本地引擎和音频路由就绪后，才会开始语音替换。
设置、日志、模型、参考音频和可选历史在使用期间保留在本地工作区或应用数据中。
在 macOS 上，BlackHole 与 OBS 是独立信任边界。使用“仅转换音频”录制总线时，必须在 OBS 中静音 macOS Screen Capture 的音频，否则 OBS 也会录下原始系统音轨。

处理敏感音频前，请阅读隐私、安全和故障排除。

开发

bun run test
bun run typecheck
bun run build:renderer
bun run check
bun run smoke:engine

贡献与许可证

欢迎在当前实验性范围内贡献。请先阅读 CONTRIBUTING.md 和行为准则。

启动器原创代码采用 MIT License。Seed-VC 继续采用 GPL-3.0；模型文件、声音参考与依赖保留各自许可证和条款。参见第三方声明。

免责声明

Persona Voice 是独立软件，与 OpenAI、xAI 或 Cursor 无隶属或背书关系。ChatGPT、Codex、 OpenAI、Grok、Grok Bot、xAI 与 Cursor 的名称和标志均归各自权利人所有。本项目不会绕过身份验证、订阅、权限或访问控制。

FilesExpand file tree

README.zh-CN.md

Latest commit

History