> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/audio-and-voice/openvoice-clone.md).

# OpenVoice

Clore.ai पर कुछ सेकंड के ऑडियो का उपयोग करके किसी भी आवाज़ को क्लोन करें

OpenVoice का उपयोग करके कुछ ही सेकंड के ऑडियो से किसी भी आवाज़ को क्लोन करें।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं, जिन्हें किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## CLORE.AI पर किराए पर लेना

1. विज़िट करें [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)
2. GPU प्रकार, VRAM और कीमत के अनुसार फ़िल्टर करें
3. चुनें **ऑन-डिमांड** (स्थिर दर) या **स्पॉट** (बोली मूल्य)
4. अपना ऑर्डर कॉन्फ़िगर करें:
   * Docker इमेज चुनें
   * पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)
   * यदि आवश्यक हो तो environment variables जोड़ें
   * स्टार्टअप कमांड दर्ज करें
5. भुगतान चुनें: **CLORE**, **BTC**या **USDT/USDC**
6. ऑर्डर बनाएं और डिप्लॉयमेंट की प्रतीक्षा करें

### अपने सर्वर तक पहुँचें

* कनेक्शन विवरण यहाँ खोजें **मेरे ऑर्डर**
* वेब इंटरफ़ेस: HTTP पोर्ट URL का उपयोग करें
* SSH: `ssh -p <port> root@<proxy-address>`

## OpenVoice क्या है?

MyShell का OpenVoice यह कर सकता है:

* लगभग 10 सेकंड के ऑडियो से आवाज़ें क्लोन करें
* भावना, उच्चारण, लय नियंत्रित करें
* क्रॉस-लिंगुअल आवाज़ क्लोनिंग
* ज़ीरो-शॉट आवाज़ रूपांतरण

## आवश्यकताएँ

| कार्य          | न्यूनतम VRAM | अनुशंसित |
| -------------- | ------------ | -------- |
| इन्फरेंस       | 4GB          | RTX 3060 |
| बैच प्रोसेसिंग | 6GB          | RTX 3070 |

## त्वरित डिप्लॉय

**Docker इमेज:**

```
pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime
```

**पोर्ट:**

```
22/tcp
7860/http
```

**कमांड:**

```bash
pip install git+https://github.com/myshell-ai/OpenVoice.git gradio && \
python -c "
import gradio as gr
from openvoice import se_extractor
from openvoice.api import ToneColorConverter
import torch

ckpt_converter = 'checkpoints_v2/converter'
device = 'cuda'
tone_color_converter = ToneColorConverter(f'{ckpt_converter}/config.json', device=device)
tone_color_converter.load_ckpt(f'{ckpt_converter}/checkpoint.pth')

def clone(source_audio, reference_audio):
    source_se, _ = se_extractor.get_se(source_audio, tone_color_converter, vad=False)
    target_se, _ = se_extractor.get_se(reference_audio, tone_color_converter, vad=False)

    output_path = 'output.wav'
    tone_color_converter.convert(
        audio_src_path=source_audio,
        src_se=source_se,
        tgt_se=target_se,
        output_path=output_path
    )
    return output_path

demo = gr.Interface(
    fn=clone,
    inputs=[gr.Audio(type='filepath', label='Source'), gr.Audio(type='filepath', label='Target Voice')],
    outputs=gr.Audio(label='क्लोन की गई'),
    title='OpenVoice क्लोन'
)
demo.launch(server_name='0.0.0.0', server_port=7860)
"
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना `http_pub` URL यहाँ **मेरे ऑर्डर**:

1. पर जाएँ **मेरे ऑर्डर** पेज
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए गए उदाहरणों में।

## इंस्टॉलेशन

```bash
git clone https://github.com/myshell-ai/OpenVoice.git
cd OpenVoice
pip install -e .

# चेकपॉइंट डाउनलोड करें
python -c "from huggingface_hub import snapshot_download; snapshot_download(repo_id='myshell-ai/OpenVoice', local_dir='checkpoints')"
```

## मूल आवाज़ क्लोनिंग

```python
from openvoice import se_extractor
from openvoice.api import ToneColorConverter
import torch

# आरंभ करें
device = "cuda" if torch.cuda.is_available() else "cpu"
ckpt_converter = 'checkpoints_v2/converter'

tone_color_converter = ToneColorConverter(
    f'{ckpt_converter}/config.json',
    device=device
)
tone_color_converter.load_ckpt(f'{ckpt_converter}/checkpoint.pth')

# स्पीकर एम्बेडिंग निकालें
source_se, _ = se_extractor.get_se("source_audio.wav", tone_color_converter, vad=False)
target_se, _ = se_extractor.get_se("target_voice.wav", tone_color_converter, vad=False)

# आवाज़ कन्वर्ट करें
tone_color_converter.convert(
    audio_src_path="source_audio.wav",
    src_se=source_se,
    tgt_se=target_se,
    output_path="output.wav"
)
```

## टेक्स्ट-टू-स्पीच के साथ

किसी भी आवाज़ में भाषण उत्पन्न करें:

```python
from openvoice import se_extractor
from openvoice.api import ToneColorConverter, BaseSpeakerTTS
from melo.api import TTS

# TTS आरंभ करें
tts = TTS(language='EN', device=device)
speaker_ids = tts.hps.data.spk2id

# बेस स्पीच उत्पन्न करें
tts.tts_to_file("नमस्ते, यह एक परीक्षण वाक्य है।", speaker_ids['EN-US'], "base.wav")

# लक्ष्य आवाज़ में क्लोन करें
source_se, _ = se_extractor.get_se("base.wav", tone_color_converter, vad=False)
target_se, _ = se_extractor.get_se("target_voice.wav", tone_color_converter, vad=False)

tone_color_converter.convert(
    audio_src_path="base.wav",
    src_se=source_se,
    tgt_se=target_se,
    output_path="cloned_speech.wav"
)
```

## बहु-भाषा समर्थन

```python
from melo.api import TTS

# उपलब्ध भाषाएँ
languages = ['EN', 'ES', 'FR', 'ZH', 'JP', 'KR']

# अंग्रेज़ी
tts_en = TTS(language='EN', device=device)
tts_en.tts_to_file("नमस्ते दुनिया", tts_en.hps.data.spk2id['EN-US'], "en.wav")

# चीनी
tts_zh = TTS(language='ZH', device=device)
tts_zh.tts_to_file("你好世界", tts_zh.hps.data.spk2id['ZH'], "zh.wav")

# जापानी
tts_jp = TTS(language='JP', device=device)
tts_jp.tts_to_file("こんにちは", tts_jp.hps.data.spk2id['JP'], "jp.wav")
```

## भावना नियंत्रण

OpenVoice V2 भावना/शैली नियंत्रण का समर्थन करता है:

```python
from openvoice.api import BaseSpeakerTTS

# शैलियों के साथ बेस TTS
base_speaker_tts = BaseSpeakerTTS(
    f'{ckpt_base}/config.json',
    device=device
)
base_speaker_tts.load_ckpt(f'{ckpt_base}/checkpoint.pth')

# उपलब्ध शैलियाँ
styles = ['default', 'whispering', 'cheerful', 'terrified', 'angry', 'sad', 'friendly']

for style in styles:
    base_speaker_tts.tts(
        "यह एक परीक्षण वाक्य है।",
        f"output_{style}.wav",
        speaker='default',
        language='English',
        style=style
    )
```

## बैच प्रोसेसिंग

```python
import os
from openvoice import se_extractor
from openvoice.api import ToneColorConverter

tone_color_converter = ToneColorConverter(
    f'{ckpt_converter}/config.json',
    device='cuda'
)
tone_color_converter.load_ckpt(f'{ckpt_converter}/checkpoint.pth')

# लक्ष्य आवाज़ एम्बेडिंग एक बार प्राप्त करें
target_se, _ = se_extractor.get_se("target_voice.wav", tone_color_converter, vad=False)

input_dir = "./audio_files"
output_dir = "./cloned"
os.makedirs(output_dir, exist_ok=True)

for filename in os.listdir(input_dir):
    if filename.endswith(('.wav', '.mp3')):
        input_path = os.path.join(input_dir, filename)
        output_path = os.path.join(output_dir, f"cloned_{filename}")

        source_se, _ = se_extractor.get_se(input_path, tone_color_converter, vad=False)

        tone_color_converter.convert(
            audio_src_path=input_path,
            src_se=source_se,
            tgt_se=target_se,
            output_path=output_path
        )
        print(f"क्लोन किया गया: {filename}")
```

## एपीआई सर्वर

```python
from fastapi import FastAPI, UploadFile
from fastapi.responses import FileResponse
from openvoice import se_extractor
from openvoice.api import ToneColorConverter
import tempfile
import shutil

app = FastAPI()

tone_color_converter = ToneColorConverter(
    'checkpoints_v2/converter/config.json',
    device='cuda'
)
tone_color_converter.load_ckpt('checkpoints_v2/converter/checkpoint.pth')

@app.post("/clone")
async def clone_voice(source: UploadFile, target: UploadFile):
    # अपलोड की गई फ़ाइलें सहेजें
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as src_tmp:
        shutil.copyfileobj(source.file, src_tmp)
        src_path = src_tmp.name

    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as tgt_tmp:
        shutil.copyfileobj(target.file, tgt_tmp)
        tgt_path = tgt_tmp.name

    # एम्बेडिंग निकालें
    source_se, _ = se_extractor.get_se(src_path, tone_color_converter, vad=False)
    target_se, _ = se_extractor.get_se(tgt_path, tone_color_converter, vad=False)

    # कनवर्ट करें
    output_path = tempfile.mktemp(suffix=".wav")
    tone_color_converter.convert(
        audio_src_path=src_path,
        src_se=source_se,
        tgt_se=target_se,
        output_path=output_path
    )

    return FileResponse(output_path, media_type="audio/wav")

# चलाएँ: uvicorn server:app --host 0.0.0.0 --port 8000
```

## गुणवत्ता सुझाव

### सर्वोत्तम परिणामों के लिए

* 10-30 सेकंड का स्पष्ट संदर्भ ऑडियो उपयोग करें
* पृष्ठभूमि शोर से बचें
* संदर्भ में केवल एक ही वक्ता हो
* बोलने की गति लगभग समान रखें

### ऑडियो प्रीप्रोसेसिंग

```python
import librosa
import soundfile as sf

def preprocess_audio(input_path, output_path, target_sr=22050):
    audio, sr = librosa.load(input_path, sr=target_sr)

    # मौन काटें
    audio, _ = librosa.effects.trim(audio, top_db=20)

    # सामान्यीकृत करें
    audio = librosa.util.normalize(audio)

    sf.write(output_path, audio, target_sr)
    return output_path

preprocess_audio("raw_reference.wav", "clean_reference.wav")
```

## अन्य टूल्स के साथ तुलना

| विशेषता      | OpenVoice   | RVC       | Bark        |
| ------------ | ----------- | --------- | ----------- |
| संदर्भ ऑडियो | 10-30s      | 10+ मिनट  | उपलब्ध नहीं |
| ट्रेनिंग     | आवश्यक नहीं | आवश्यक    | उपलब्ध नहीं |
| गति          | तेज़        | मध्यम     | धीमा        |
| गुणवत्ता     | उत्कृष्ट    | सर्वोत्तम | अच्छा       |
| बहुभाषी      | हाँ         | सीमित     | हाँ         |

## प्रदर्शन

| कार्य                             | GPU      | समय  |
| --------------------------------- | -------- | ---- |
| एम्बेडिंग निकालें                 | RTX 3090 | \~1s |
| 10 सेकंड के ऑडियो को कन्वर्ट करें | RTX 3090 | \~2s |
| 1 मिनट के ऑडियो को कन्वर्ट करें   | RTX 3090 | \~8s |

## समस्या निवारण

### खराब आवाज़ मेल

* लंबा संदर्भ ऑडियो उपयोग करें
* स्पष्ट ऑडियो गुणवत्ता सुनिश्चित करें
* पृष्ठभूमि शोर की जाँच करें

### ऑडियो आर्टिफैक्ट्स

* गति/ज़ोर सेटिंग्स कम करें
* सुसंगत ऑडियो प्रारूप उपयोग करें
* सैंपलिंग दर का मेल जाँचें

### मेमोरी समाप्त

* छोटे क्लिप प्रोसेस करें
* बैच आकार कम करें
* CUDA कैश साफ़ करें

## लागत का अनुमान

CLORE.AI मार्केटप्लेस की सामान्य दरें (2024 तक):

| GPU       | प्रति घंटा दर | प्रति दिन दर | 4-घंटे का सत्र |
| --------- | ------------- | ------------ | -------------- |
| RTX 3060  | \~$0.03       | \~$0.70      | \~$0.12        |
| RTX 3090  | \~$0.06       | \~$1.50      | \~$0.25        |
| RTX 4090  | \~$0.10       | \~$2.30      | \~$0.40        |
| A100 40GB | \~$0.17       | \~$4.00      | \~$0.70        |
| A100 80GB | \~$0.25       | \~$6.00      | \~$1.00        |

*मूल्य प्रदाता और मांग के अनुसार बदलते हैं। देखें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* का उपयोग करें **स्पॉट** बाधित किए जा सकने वाले कार्य के लिए मार्केट — लगभग एक-तिहाई सर्वरों की स्पॉट कीमत ऑन-डिमांड से कम होती है (मध्य \~13% छूट), बाकी उससे मेल खाते हैं
* से भुगतान करें **CLORE** टोकन
* विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें

## अगले चरण

* [Bark TTS](/guides/guides_v2-hi/audio-and-voice/bark-tts.md) - पाठ-से-वाक्
* [RVC वॉइस क्लोन](/guides/guides_v2-hi/audio-and-voice/rvc-voice-clone.md) - प्रशिक्षण-आधारित क्लोनिंग
* [Whisper प्रतिलेखन](/guides/guides_v2-hi/audio-and-voice/whisper-transcription.md) - वाक्-से-पाठ


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.clore.ai/guides/guides_v2-hi/audio-and-voice/openvoice-clone.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.