audio.cpp 模型许可与商用说明
撰稿时间：2026年9月。许可证条款会随版本变化，文中结论均为当时情况，商用决策前请以项目当前的 LICENSE 原文为准。
请先阅读（重要声明） 本项目可下载的模型较多，建议用户仅将其用于学习与研究。 我们仅提供软件的安装服务，本文档不对各模型 License 的准确性作任何保证。 如你计划将模型用于商业用途，请务必通过其他权威渠道（模型官方仓库、原作者官网/联系方式）自行核实许可条款后再使用。 下文分类与结论来自我们在编写时对公开信息的整理，可能随上游更新而变化；标注为"待确认"的模型仅表示暂时未核实，后续会继续补充完善。
本文档涉及的两个项目
audio.cpp
仓库地址：https://github.com/0xShug0/audio.cpp
一个本地音频处理工具，可以在你自己的电脑上实现多种音频功能，包括文字转语音、语音识别、变声、分离伴奏人声等。它用 C++ 语言开发，还采用了量化技术来优化模型（简单说就是压缩模型，让它更"轻"），所以运行速度比官方应用快得多，占用的内存和显存也更少，即使是配置一般的电脑也能流畅使用。当然，这种压缩优化在极少数情况下可能会略微影响输出质量，但对大多数用户来说效果完全可以接受。它支持各种电脑和显卡，而且完全在本地运行，不需要上网，隐私有保障。
audio.cpp-webui
仓库地址：https://github.com/kigner/audio.cpp-webui
audio.cpp-webui 就是在 audio.cpp 项目的基础上，给它加上了一个友好的图形界面。你不用敲命令行代码，直接在网页上点点鼠标就能使用各种功能——上传音频、输入文字、选择参数，然后一键生成结果。这个版本特别考虑了 Windows 用户的体验，内置一键启动脚本，下载后双击就能用，让普通用户也能轻松享受那些快速、省资源的本地 AI 音频处理能力。
请先理解：软件授权 ≠ 模型授权（最关键的一点）
使用 audio.cpp / audio.cpp-webui 时，你实际上同时受两套彼此独立的授权约束。绝大多数商用风险都出在把这两件事混为一谈上。
| 层级 | 是什么 | 授权情况 |
|---|---|---|
| ① 软件本体 | audio.cpp、audio.cpp-webui 的程序代码与可执行文件 | Apache-2.0，宽松开源，可自由使用、修改与商用 |
| ② 模型权重 | 你在软件里下载 / 加载的那些 TTS、ASR、变声、音乐生成模型 | 各不相同，从"可免费商用"到"禁止商用"都有，须逐个核对（见下文分类） |
软件是 Apache-2.0，不代表你用它加载的模型、以及跑出来的内容可以随便商用。 决定商用风险的始终是第 ② 层——模型本身的许可。
需要特别注意的三点：
- 量化不改变许可。 audio.cpp 加载的是量化压缩后的模型文件（体积更小、速度更快）。量化只是对原始权重的数值精度做了转换，它属于原模型的衍生作品，原许可条款原封不动地继续适用。"我用的不是官方原版、是压缩版"不能作为规避许可的理由。
- 推理输出的归属要单独看。 部分模型许可不只约束"能不能用这个模型"，还会约束"用这个模型生成的内容能不能商用"。若你的业务产出就是音频内容本身（配音、有声书、音乐等），这一条尤其要读原文确认。
- 附带子组件同样受约束。 模型运行时常常还会加载独立的分词器、文本编码器、声码器等子组件，它们可能来自不同项目、遵循不同许可，商用时请一并核实。
规避风险的简单做法：只是想本地玩玩、学习研究，随便用；一旦涉及任何商业用途（对外收费、公司内部业务、自媒体变现、给客户交付等），请只从下文"一、✅ 可免费商用"里选模型，并按要求保留署名；对"⚠️ 有条件商用"的模型，逐条读完原许可再决定；"❌ 禁止商用"与"❓ 待确认"的模型，在核实清楚前一律不要用于商业场景。
图例
| 标记 | 含义 |
|---|---|
| ✅ 可免费商用 | 许可宽松，一般无需付费、无额外条件即可商用 |
| ⚠️ 有条件商用 | 通常可免费商用，但附带条件（如营收/规模上限、署名、copyleft、需注册等），须先读原许可条款 |
| ❌ 禁止商用 | 仅限研究/非商业用途，不得商用 |
| ❓ 待确认 | 暂时未能核实其许可，不代表可商用，使用前请自行确认 |
一、✅ 可免费商用（建议优先选用）
语音合成（TTS）
| 模型 | 许可证 | 说明 |
|---|---|---|
| Chatterbox | MIT | 宽松开源，可自由使用与商用 |
| GLM-TTS | MIT | 宽松开源，可自由使用与商用 |
| VibeVoice | MIT | 微软长文本多说话人 TTS |
| Confucius4-TTS | Apache-2.0 | 宽松开源，可自由使用与商用 |
| DotTTS | Apache-2.0 | 宽松开源，可自由使用与商用 |
| MOSS-TTS-Local | Apache-2.0 | MOSS 旗舰 TTS |
| MOSS-TTS-Nano | Apache-2.0 | MOSS 轻量实时 TTS |
| Qwen3-TTS | Apache-2.0 | 宽松开源，可自由使用与商用 |
| VoxCPM2 | Apache-2.0 | OpenBMB 无 tokenizer TTS |
| PocketTTS | CC-BY-4.0 | 允许商用，需按 CC-BY 要求署名 |
语音识别（ASR）
| 模型 | 许可证 | 说明 |
|---|---|---|
| Qwen3-ASR | Apache-2.0 | 宽松开源，可自由使用与商用 |
| SenseVoice-Small | Apache-2.0 | 多语言语音识别 |
| VibeVoice ASR | MIT | 微软长文本语音转写 |
| Parakeet-TDT 0.6B v3 | CC-BY-4.0 | 允许商用，需按 CC-BY 要求署名 |
语音分析（强制对齐 / 说话人）
| 模型 | 许可证 | 说明 |
|---|---|---|
| Qwen3 Forced Aligner | Apache-2.0 | 音字强制对齐 |
音频 / 音乐生成
| 模型 | 许可证 | 说明 |
|---|---|---|
| ACE-Step（1.5） | MIT | 音乐生成；注意 ACE-Step v1-3.5B 才是 Apache-2.0，本项目打包的是 1.5（MIT） |
| HeartMuLa | Apache-2.0 | 音乐生成（HeartMuLa-oss-3B + HeartCodec） |
二、⚠️ 有条件商用（必须先阅读具体许可条款）
下列模型可能在满足条件时允许免费商用，但每家条款不同，商用前请逐条核对原许可，此处仅列出许可名称与常见限制，不替代原文。
| 模型 | 类别 | 许可证名称 | 典型条件（须以原文为准） |
|---|---|---|---|
| IndexTTS2 | TTS | bilibili Model Use License | B 站自定义模型使用许可，通常含使用范围/署名等限制 |
| DramaBox | TTS | LTX-2 Community License（Lightricks） | 社区许可，通常允许免费商用但有营收/规模上限等条件 |
| Fun-ASR-Nano | ASR | FunASR Model Open Source License Agreement v1.1 | 自定义许可，常可免费商用但有规模/营收/署名/禁止转售权重等限制 |
| Nemotron 3.5 ASR | ASR | NVIDIA 自定义许可（HF 标注为 other） | 非标准开源协议，通常允许商用但附带使用限制/声明保留等条款 |
| Seed-VC | 音色转换 | GPL-3.0 | 可商用，但具 copyleft 传染性——分发衍生作品需以 GPL 开源，闭源产品集成前需法务复核 |
| Stable Audio 3 | 音频生成 | Stability AI Community License（stable-audio-community） | 研究/非商用免费；商用需年营收 < 100 万美元 且在 stability.ai 注册；≥ 100 万美元须购买 Enterprise License；不得用其训练竞品基础模型 |
| MiniMax-H3 | 音频生成 | MiniMax H3 Community License Agreement | 社区许可，通常允许在营收/规模等条件下的有限商用，具体须读 MiniMax 许可原文 |
三、❌ 禁止商用（仅限研究 / 非商业）
| 模型 | 类别 | 许可证 | 说明 |
|---|---|---|---|
| Hviske ASR | ASR | CC-BY-NC-4.0 | 非商业许可，禁止商用 |
| OmniVoice | TTS | CC-BY-NC-4.0 | 非商业许可，禁止商用 |
| Sortformer Diarization | 语音分析 | CC-BY-NC-4.0 | 非商业许可，禁止商用 |
| Fish Audio S2 Pro | TTS | fish-audio-research-license | 研究用途许可，禁止商用 |
四、❓ 许可信息待确认
以下模型的许可我们暂时未能核实，因此归入待确认。这只是暂时状态，后续会继续补充完善文档。在核实之前，请不要假设其可商用，如需使用请自行到上游仓库/原作者处确认。
语音合成（TTS）
Higgs Audio v3 TTS、Inflect Micro v2、Irodori-TTS、MioTTS、NeuTTS、OmniVoice、Llama-OuteTTS 1.0、Supertonic 3、VieNeu-TTS v3 Turbo
语音识别（ASR）
Citrinet ASR、Higgs Audio v3 STT、Kroko Community ASR、Voxtral Mini 4B Realtime
音色转换（Voice Conversion）
RVC、Vevo2
音频处理工具（分离 / 编解码 / 乐谱）
BS-RoFormer、HTDemucs、Mel-Band RoFormer、MioCodec、MuScriptor
再次提醒：audio.cpp / audio.cpp-webui 软件本体是 Apache-2.0，但这不构成对任何模型的授权——请始终按上文"软件授权 ≠ 模型授权"的思路，逐个核对你实际加载的模型（及其附带子组件）的许可。本项目可下载的模型较多，建议用户仅做学习研究用；我们仅提供安装服务，本文档不对模型 License 的准确性作保证。如需商用，请通过模型官方仓库、原作者官网等权威渠道查询，或直接与原开发者联系确认。