综合 / 人工智能 · 2026-10-09 09:46 · 1 阅读 · 0 赞
VoiceStudio：本地运行的 ElevenLabs 平替，支持 646 种语言与语音克隆
VoiceStudio 是一款开源本地语音工作流工具，内置 16 个 TTS 引擎与 11 个 ASR 引擎，支持 646 种语言、语音克隆、视频配音、听写转录与有声书制作，全程离线运行，并提供 OpenAI 兼容 API 与 MCP 集成。
▲ 本地 ElevenLabs 平替，646 种语言全离线运行
01 你用的 AI 语音，数据都去了哪
ElevenLabs 很好用，但每次你点击"生成"，你的文本、你的声音样本、你的音频文件，全部上传到他们的服务器。
做内容还好，但如果你的内容是商业机密、个人隐私、或者不想让第三方听到的东西——你就得停手。
VoiceStudio 解决的就是这个问题：所有东西在你的机器上跑，一滴数据都不出去。
02 它是什么
VoiceStudio 是一个开源的本地语音工作流工具，14,794 Star。
定位很明确：本地运行的 ElevenLabs 替代方案。
不依赖任何 API Key，不注册账号，不订阅付费。装好之后，所有功能完全离线可用。
支持平台：macOS（Apple Silicon）、Windows 10/11、Linux x86_64，以及 Docker。
03 16 个 TTS 引擎，646 种语言
VoiceStudio 的核心优势是引擎丰富。
内置 16 个 TTS 引擎和 11 个 ASR（语音识别）引擎，你可以根据需求切换：
| 引擎 | 语言数 | 语音克隆 | 特点 |
|---|---|---|---|
| OmniVoice GGUF | 600+ | ✅ | 主力引擎，速度快，质量稳定 |
| IndexTTS 2.5 | 4 | ✅ | 中文/英文/日文/西班牙文/阿拉伯文，质量顶尖 |
| Piper | 100+ | ❌ | 轻量级，CPU 友好 |
| MeloTTS | 16 | ❌ | 多语言支持好 |
| VALL-E X | 10+ | ✅ | 微软技术路线，零样本克隆 |
| KittenTTS | 1 | ❌ | 纯英文，极简 |
| Montreal Forced Aligner | — | — | 语音对齐工具 |
每个引擎都能一键切换，同一个文本可以用不同引擎生成，对比效果。
04 四大核心功能
语音克隆（Voice Cloning）
导入 3-15 秒的干净语音样本，AI 就能克隆这个声音。
三个步骤：
-
- 选引擎（推荐 IndexTTS 2.5 或 OmniVoice）
-
- 上传样本（MP3/WAV/FLAC 均可）
-
- 输入文本，生成
克隆出来的声音可以用于 TTS 生成、视频配音、有声书制作。
视频配音（Video Dubbing）
上传视频，AI 自动识别语音、转录、翻译、重新配音，输出带新音轨的视频。
支持多语言配音，同一个视频可以生成多个语言的音轨版本。
听写转录（Dictation & Transcription）
实时听写，对着麦克风说话，文字实时出现在编辑器里。
也支持文件转录——上传音频文件，自动生成带时间戳的文本。
输出格式支持：JSON、TXT、SRT、VTT。
有声书制作（Audiobook）
输入长文本（小说、文章、文档），AI 自动分段、分配角色、生成多角色有声书。
支持批量生成，一次处理整本书。
05 为什么本地运行很重要
隐私：你的声音样本、你的文本内容、你的音频文件，全部留在本地。不上传、不存储、不分析。
成本：ElevenLabs 最便宜的方案 $5/月，高级方案 $99-330/月。VoiceStudio 完全免费，用你自己的 GPU 算力。
速度：本地运行没有网络延迟，生成速度取决于你的硬件。RTX 4090 上 OmniVoice GGUF 可以实现接近实时的 TTS。
可控：你可以自己选择模型、调整参数、替换引擎。不需要看厂商的脸色，不用担心 API 涨价。
06 API 和 MCP 集成
VoiceStudio 不只是桌面应用，还提供完整的 API：
# OpenAI 兼容 API
POST /v1/audio/speech # TTS 生成
POST /v1/audio/transcriptions # 语音转文字
WS /v1/audio/transcriptions/stream # 实时流式转录
也内置了 MCP Server，可以直接接入 Claude Code、Cursor、OpenClaw 等 AI Agent：
在 Claude Code 里：
/mcp add voice-studio http://localhost:8080
接入后，Agent 可以直接调用语音生成、转录、克隆等功能。
07 怎么用
最简单的方式：下载桌面应用
# macOS (Apple Silicon)
# 下载 DMG，右键打开（首次需要确认）
# Windows
# 下载 MSI，直接安装
# Linux
# 下载 AppImage，chmod +x 后运行
Docker 方式：
docker run -p 8080:8080 \
-v voice-studio-data:/data \
ghcr.io/debpalash/voice-studio:latest-cuda
源码部署：
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
# 安装依赖后运行
08 和 ElevenLabs 的对比
| 功能 | VoiceStudio | ElevenLabs |
|---|---|---|
| 价格 | 免费 | $5-330/月 |
| 运行方式 | 本地 | 云端 |
| 隐私 | 完全私有 | 数据上传 |
| 语言数 | 646 | 32 |
| 语音克隆 | ✅ | ✅ |
| 视频配音 | ✅ | ✅ |
| API 兼容 | OpenAI 格式 | 自有格式 |
| MCP 集成 | ✅ | ❌ |
| 离线运行 | ✅ | ❌ |
写在最后
想要强大的语音能力，但不想付出隐私和金钱。
如果你做内容创作、做播客、做视频配音，VoiceStudio 值得试试。
GitHub：https://github.com/debpalash/VoiceStudio
文档：https://github.com/debpalash/VoiceStudio#documentation