Applio
IAHispano · 語音與語言
Applio 是免費開源的 AI 語音轉換工具，支援 Windows、macOS 與 Linux，可替換錄音的說話者、即時變聲，並在自己的電腦上訓練 RVC 聲音模型。
關於 Applio
About
Applio 是什麼
Applio 是一款桌機應用程式，用來更換錄音裡的說話者。你提供一段音檔和一個聲音模型，它還原原句、保留節奏，只把音色換成模型的聲音。同一套引擎同時處理檔案轉換、麥克風即時聲音、文字轉語音，以及用自己錄的素材訓練新模型。
它不收費、不要求註冊，也不會把音檔上傳到雲端。所有運算都在你的電腦上完成，程式碼以 MIT 授權公開，任何人都能閱讀、修改或自行編譯。
代價是模型得自己準備。Applio 不附贈現成聲音庫，你需要一個 .pth 檔，通常還要搭配對應的 .index 檔，或用自己的錄音訓練一個。它也吃硬體，訓練的負擔遠高於轉換單一檔案。
開始使用
- 下載 Windows、macOS 或 Linux 版的 Applio Desktop，或改用引擎儲存庫裡的 Gradio 版本。
- 執行安裝程式，點選 Install / Repair，讓應用程式備妥 Python、引擎套件與必要資源。
- 把 .pth 檔與它的 .index 檔放進指定資料夾，再從模型清單中選取，就完成加入聲音模型。
- 打開 Convert Audio，上傳一段短音檔，第一次測試把音高維持在 0。
- 聽完結果後，逐項調整音高、檢索比例或共振峰，一次只改一個。
產品資訊
快速了解 Applio 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 音樂愛好者：把分離出來的人聲軌轉成偶像的音色，做出 AI 翻唱，前提是你擁有歌曲與聲音的權利。
- 內容創作者：在影片裡替遊戲角色或戲偶配音，不必另外找配音員，只要電腦跑得動模型。
- 想研究語音技術的人：讀原始碼、動引擎參數，實際搞懂 RVC 聲音模型的運作方式。
- 直播主與 VTuber：在節目中對麥克風做即時變聲，記得戴耳機避免回饋。
任務
- 轉換人聲軌：先把歌聲和伴奏分開，通過訓練好的模型轉換，再回到剪輯軟體重新混音。
- 製作個人聲音模型：整理乾淨的訓練素材、抽取特徵、開始訓練，最後匯出 .pth 與 .index。
- 把腳本變成語音：先用文字轉語音合成，再讓這段語音通過指定的聲音模型。
- 批次處理整個資料夾：一次套用同一個模型與同一組設定，處理大量錄音。
情境
- 在家做同人翻唱：筆電的顯示卡就能處理幾分鐘的音檔，不必付雲端費用。
- 通話或直播中即時變聲：把轉換後的音訊送進虛擬音訊裝置，讓另一個程式把它當成麥克風。
- 為課堂或論文研究語音合成：整條流程都是可讀、可改的 Python 程式碼。
- 重製老錄音：開啟分段與清理選項，把檔案庫裡的聲音轉成更清晰的新模型。
主要功能
檔案語音轉換
單檔轉換是多數人的起點。上傳 WAV、第一次把音高留在 0，引擎就會用目標聲音重建整段音檔，字句與節奏不動。批次模式可以把同一個模型和同一組設定套用到整個資料夾，手上累積幾十個版本時特別省事。
即時變聲器
即時工作區把麥克風輸入切成小區塊處理，低延遲送回轉換後的音訊。區塊大小、交叉淡化與額外上下文，就是延遲與穩定度之間的取捨旋鈕。桌機版還提供直通熱鍵與系統匣控制，臨時想用原聲不必中斷直播。
聲音模型訓練
訓練是從錄音裡長出一個聲音，而不是複製既有的。Applio 帶你走完前處理、特徵抽取、訓練與索引產生，可以一次自動跑完，也能拆成各階段自行重複執行。桌機版在架構允許的範圍內支援 32 到 48 kHz 取樣率，並可選用 HiFi-GAN 與 RefineGAN 聲碼器。
文字轉語音流程
Applio 把腳本送給 Edge TTS 合成，再把產生的音訊通過 RVC 模型。TTS 的聲音決定語言與語速，模型決定說話者的身分。這種拆分讓同一個模型能讀英文、西班牙文或日文，只要挑對應的 TTS 聲音。
內建音訊工具
一次轉換可以疊上多種處理：長音檔分段、對音符頻率自動校音、建議音高、降噪清理、共振峰位移，以及包含殘響、延遲、限幅器、合音、壓縮與位元破壞的後處理鏈。這些工具省下一趟剪輯軟體的往返。一次疊太多項，反而聽不出哪個設定造成了變化。
開源引擎與命令列
引擎採用 MIT 授權，儲存庫附有命令列介面，支援推理、批次轉換與文字轉語音。重複性的轉換變成一行 shell 指令，不必點上十幾次，同一份程式碼也能嵌進更大的研究專案。
跨平台的桌機與 Gradio
一套引擎、兩種介面。桌機應用整合工作區、任務紀錄與安裝診斷；Gradio 版本跑在瀏覽器分頁裡，適合既有的本機流程或雲端筆記本。只要嵌入器與索引成對保留，聲音模型就能在兩邊通用。
優缺點
優點
- 免費且不必註冊：MIT 授權涵蓋個人、研究與商業用途，音檔也不會離開你的電腦。
- 一條龍流程：轉換、即時、文字轉語音與訓練都在同一個應用裡。
- 品質可細調：音高、檢索比例、清音子音保護、共振峰與後製效果全部開放。
- 兩種介面：桌機版對新手友善，命令列則負責批次與腳本化的工作。
缺點
- 吃硬體：即時變聲與訓練都需要像樣的顯示卡，較弱的機器在兩邊都會吃力。
- 安裝費工：第一次啟動要安裝 Python、引擎套件與資源，FFmpeg 出錯是最常見的初期關卡。
- 沒有內建聲音庫：每個模型都得自己提供或訓練，新手在完成這步之前沒有東西可轉換。
- 文字轉語音要連網：Edge TTS 會把腳本送到遠端服務，服務一旦調整就可能失靈。
常見問題
Applio 把錄音裡的說話者換成另一個聲音，同時保留字句與節奏。它同時扮演 AI 翻唱生成器與聲音複製軟體：即時變聲、文字轉語音與模型訓練都在同一個應用裡。
相關內容
探索與 Applio 相關的工具、技能與文章。
Applio 替代方案
Foley
Hanamori Labs, LLC · 語音與語言 · 生產力 · AI 助理Foley 是一款語音待辦清單，把一句話變成歸檔好的任務，專案、日期與時間都先填好，接著再幫你依現有清單排出一整天的順序。
HireKey
HireKey · 語音與語言 · 生產力 · AI 學習HireKey 是由前科技業招募主管打造的 AI 求職副駕駛。它分析職缺契合度、客製化履歷、帶你練習面試，並把每份申請整理在同一處。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。