VoiceStudio 语音工作室

完全本地运行的开源 ElevenLabs 替代方案，支持声音克隆、音色设计、视频配音、听写转写与有声书制作，覆盖 646 种语言，提供 Electron 桌面应用与本地 API。

爱鲜报评分

0.0

0 人评分

开源 · AGPL-3.0 #Python #AI #语音克隆 #TTS #语音转写 #本地部署

55k

星数

是

中文

Python

主语言

是

活跃

贡献者

人工分析

EDITORIAL

适用场景

本地语音克隆与音色设计
视频多语言配音与字幕转写
有声书与批量语音内容生产
通过本地 API / MCP 接入 AI Agent 工作流
会议或访谈录音的离线听写转写

优点

完全本地推理，语音数据无需上传云端，隐私友好
功能覆盖克隆、设计、配音、转写、有声书等完整链路
支持 646 种语言，多语言场景适用性广
提供本地 API 与 MCP，便于与 Agent 和自动化流程集成
有简体中文 README，中文用户阅读成本低

缺点

AGPL-3.0 许可，商业闭源集成需注意合规
模型各自有独立许可，商用前需逐一确认
无独显时只能跑 CPU，速度明显偏慢
Intel Mac 仅支持界面，需连接远程后端
安装与模型下载体积较大，对磁盘和网络有要求

上手难度进阶

VoiceStudio 是什么

VoiceStudio 是一个完全本地运行的开源语音工作台，定位为 ElevenLabs 的开源替代方案。它把声音克隆、音色设计、视频配音、听写转写和有声书制作整合到一个桌面应用里，支持 646 种语言，语音数据不需要上传到云端。

项目默认引擎基于 k2-fsa/OmniVoice，也可以切换其他引擎。除了桌面 UI，它还提供本地 API 和 MCP 接口，方便接入 Agent 与自动化流程。

核心能力

声音克隆：上传一段干净的参考录音，即可复刻音色并用于文本转语音。
音色设计：用文字描述想要的声音风格，直接生成新音色。
视频配音：为视频生成时间对齐的配音语音。
听写与转写：通过悬浮小组件做语音听写，或对音频做转写。
有声书与批量任务：适合故事、有声书等长内容与批处理生产。
本地模型管理：在应用内安装和管理本地语音模型。

安装与运行

macOS / Linux 提供一行命令安装最新 Electron 版本：

curl -fsSL https://voicestudio.sh/install | sh

Windows 在 PowerShell 中执行：

irm https://voicestudio.sh/install | iex

也可以直接从 Releases 下载安装包（macOS .dmg、Windows .exe、Linux .AppImage / .deb）。

从源码运行 Electron 预览版的大致流程：

git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun install
bun run setup:api   # 启动 Electron 前准备 Python 依赖
bun run dev

注意：Electron 是目前唯一的桌面应用与 Web UI，0.5.3 是最后一个 Tauri 版本，旧 Tauri 用户需要单独安装 Electron。

硬件要求

硬件	支持情况
NVIDIA GPU（Windows / Linux）	CUDA 加速
Apple Silicon	Metal（MPS）加速
无独显（集显 / 老机器）	可纯 CPU 运行，速度较慢
Windows on ARM	实验性，仅 CPU
Intel Mac	仅界面，需连接远程后端

集成与扩展

本地 API：把语音能力接入自己的应用。
MCP：让支持 MCP 的 Agent 直接调用语音工作流。
Agent 技能：可通过 npx skills add debpalash/VoiceStudio 添加技能。

许可与合规

项目采用 AGPL-3.0 许可，各模型还有各自的许可条款，商用前需要逐一确认。克隆他人声音请务必获得授权。

登录后才可评论与评分

去登录注册

0 条评论