IZ

Izwi 语音 AI 运行时

本地优先的转写、分离、合成与克隆运行时

语音识别声音克隆本地AI
所属分类🎙️ AI 音频与配音
创作阶段🎙️ 声音
工具类型⚡ AI 原生工具
支持平台本地部署
价格模式免费开源
适合人群需要在本地语音处理管线中集成转写、合成和克隆能力的开发者
官网链接● 正常
资料更新2026-11-16

🧠 在 AI 创作链路中的位置

提供游戏语音识别与合成能力,可串联对白转写和角色语音生成。

所属阶段:🎙️ 声音 · AI 原生工具,直接用生成能力做生产

工具介绍

使用 Rust 构建的语音 AI 运行时,支持本地转写、说话人分离、文本转语音与声音克隆,并提供兼容 OpenAI 风格接口,便于接入现有语音应用和工作流。

核心能力

  • 支持本地语音转写
  • 支持说话人分离
  • 支持文本转语音与声音克隆
  • 提供 OpenAI 兼容 API

👍 优点

  • 本地优先,适合重视数据控制的工作流
  • 兼容 API 便于接入已有应用

⚠️ 局限

  • 社区项目,文档与支持有限
  • 项目信息未明确覆盖所有平台的安装与部署方式

典型使用场景

  • 为游戏语音采访或原型测试提供转写与说话人分离
  • 通过兼容接口接入 NPC 语音合成或声音克隆服务

使用教程

进阶⏱ 约 30 分钟🎯 生成带对白与角色音色的可播放原型
  1. 1

    获取项目与检查环境

    打开 GitHub 的 izwi-ai/izwi,查看 README、Release 和示例配置;准备 Python、模型依赖及可用磁盘空间,按仓库说明创建运行环境。

  2. 2

    启动本地服务

    根据 README 配置模型路径、端口和设备,使用项目提供的启动命令运行服务;先访问健康检查或示例页面,确认接口能够响应。

  3. 3

    接入语音转录

    调用兼容 OpenAI 的转录接口上传角色录音,指定语言并查看返回文本;游戏事件日志中的语音可提交识别,结果写入字幕或对话状态。

  4. 4

    分离多名说话人

    在支持说话人分离的转录请求中开启相关选项,检查返回的说话人标签与时间戳;用 segment 字段映射 NPC、旁白等角色,生成对白轨。

  5. 5

    合成并克隆角色语音

    在文本转语音接口提交台词、角色参考音频和克隆参数,预览输出音频;统一采样率、响度及文件命名后,放入角色语音资源目录。

  6. 6

    串入游戏播放管线

    用服务返回的音频 URL 或文件替换临时下载文件,在游戏事件触发时调用 TTS,并把字幕、角色 ID 与音频路径一起写入资源清单,形成可播放原型。

💡 实用技巧

  • 先用短句和单人录音验证效果
  • 固定模型版本便于复现结果
  • 缓存重复台词可降低延迟
  • 按角色拆分音频资源目录

⚠️ 常见坑

  • 参考音频质量差会导致音色不稳
  • 转录时间戳需与游戏时间轴校准

完整图文教程:Izwi 入门:搭建游戏语音 AI 管线

📖 同类工具怎么选

本分类覆盖配乐、音效、角色对白、声音克隆与后期清理,帮助团队从需求规格、生成草稿、角色音色训练到交付母带建立完整声音流水线。选型时优先匹配语言与音色控制、批量能力、授权条款、离线部署及游戏引擎格式需求,并保留人工验收环节。

阅读《AI 游戏音频与配音全流程指南》

同类工具推荐