VoiceStudio：本地 AI 语音工作室

项目简介

VoiceStudio 是一个完全本地运行的开源 AI 语音工作室，定位为 ElevenLabs 的开源替代方案。它可以在笔记本、台式机、服务器、手机和平板上运行，把语音克隆、语音设计、视频配音、听写、转写和有声书旁白整合到同一个应用中，支持 646 种语言。

主要功能

• 语音克隆：用一段干净的参考录音生成熟悉声音的语音。
• 语音设计：用文字描述想要的声音并生成。
• 视频配音：翻译并配音视频，让语音时间贴合原片。
• 听写与转写：浮动听写组件和本地转写。
• 旁白与批处理：故事、有声书和队列任务。
• 连接与自动化：本地 API、MCP、可复用 recipes 和 watch folders。
• 模型管理：默认使用 VoiceStudio 引擎（由 k2-fsa/OmniVoice 驱动），也能从 Model Manager 选择数十种其他引擎，只下载需要的模型。

安装与使用

从 GitHub Releases 下载对应安装包：

• macOS（Apple Silicon）：.dmg，使用 Metal (MPS)
• Windows 10/11（x64）：.exe，支持 NVIDIA CUDA、AMD ROCm（需主动启用）和 CPU
• Linux（x64）：.AppImage、.deb，也可通过 Snap、Nix 或 Docker/GHCR 使用
• Android 10+ 与 iPhone/iPad（iOS 17+）提供预览版，Android 用 APK，iOS 用 .ipa 侧载

安装后先在 Model Manager 中选择并下载模型，再按工作区入口使用克隆、设计、配音、听写、故事等功能。默认引擎为 VoiceStudio，由 k2-fsa/OmniVoice 驱动。

注意事项

• 项目以本地运行为核心，模型需要按需下载；不同平台支持的加速方式不同。
• Intel Mac 版本功能有限，仅提供应用界面并连接远程后端。
• Windows on ARM 为实验性支持，使用模拟的 x64 后端。
• 项目采用 AGPL-3.0 许可证，使用和分发前请确认许可条款。

本作品整理自 GitHub 开源项目 debpalash/VoiceStudio，原作者 @debpalash，许可证 AGPL-3.0。中文介绍由 AI 根据项目 README 整理，以原仓库为准。