VoiceStudio｜本地优先的多引擎语音工作台

这是什么

VoiceStudio 是一个开源、本地优先的 AI 语音工作台。按项目自述，它把 16 个语音合成（TTS）引擎与 11 个语音识别（ASR）引擎聚合在同一界面下，并提供零样本语音克隆、视频配音、有声书制作等功能，同时兼容 OpenAI 音频 API 风格接口，内置 MCP 服务器以便被其他 Agent 调用。

适用人群

• 想在自己机器上跑语音合成/识别、不希望把音频上传到第三方的创作者；
• 需要给视频批量配音、或把长文本做成有声书的个人与小型团队；
• 希望用统一接口切换不同语音引擎的开发者。

已知能力

• 多引擎汇总：合成与识别各有多套后端可选，具体支持清单需在仓库中核验；
• 零样本语音克隆：用少量参考音频模仿音色；
• 视频配音与有声书工作流；
• 对外提供 OpenAI 兼容的音频接口与 MCP 服务器。

使用步骤（通用）

1. 按仓库说明准备运行环境（Python 等依赖），下载项目；
2. 按文档安装所选引擎的依赖与模型权重；
3. 启动本地服务，在界面中选择 TTS 或 ASR 引擎；
4. 输入文本或上传音频/视频，设置音色与参数后生成；
5. 如需被其他工具调用，配置内置 API 或 MCP 服务器。

费用与限制（需核验）

• 代码采用 AGPL-3.0，属于强传染性开源协议，二次分发或网络服务需遵守其条款；
• 默认模型权重为非商用许可，商用需自行确认各引擎权重条款；
• 输出音频带 AudioSeal 水印；
• 官方自述项目处于 beta 阶段，稳定性与本地硬件要求（显存、磁盘）请以仓库说明为准；
• 国内下载模型权重、访问外部资源的可用性待核查。

以上许可与商务使用条件均需在正式使用前逐项核验。

来源与使用边界

原始入口：https://github.com/debpalash/VoiceStudio

整理来源：https://github.com/ikaijua/Awesome-AITools

依据来源资料经AI翻译整理，未由本站实测。原始资料许可：CC-BY-4.0；目录许可不代表各产品或文件的使用授权。费用、账号、国内访问与版本兼容条件以原始发布者最新说明为准。