debpalash GitHub avatar

VoiceStudio

Python
本地语音创作工作台debpalash最近推送 2026年11月18日
多模态生成AGPL-3.0112.8k12.5k38 issues7 天 +5,503

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年10月24日

本地运行的语音克隆、配音与音频制作工作台。

VoiceStudio 是一个开源桌面应用,提供语音克隆、语音设计、视频配音、听写、转录和有声书制作功能。它默认使用本地模型运行,也支持可选的远程服务,并提供本地 API、MCP、批处理和文件夹监控能力。

推荐指数

5.0

功能覆盖面广,适合希望在本机完成语音生成和配音流程的开发者与创作者。

近 7 天

+5,503

新增 Star

总 Star 排名

#25

雷达追踪的 3,931 个 AI 仓库中

创建于

2026

2026年4月10日

核心亮点

  • 1本地优先

    主要工作流在用户硬件上运行,远程服务不是必需项。

  • 2功能完整

    从语音克隆、设计到视频配音、有声书和批量任务均有覆盖。

  • 3多硬件支持

    支持 NVIDIA CUDA、Apple Silicon Metal,也能在 CPU 上运行但速度更慢。

  • 4工作流集成

    提供本地 API、MCP、可复用配方和监控文件夹,便于接入自动化流程。

  • 5多语言

    README 宣称支持 646 种语言的语音相关工作流。

适用场景

  • 视频配音

    例如:为一段视频生成带时间安排的目标语言配音。

  • 声音复刻

    例如:导入一段干净的参考录音,为指定文本生成相似声音。

  • 有声内容制作

    例如:将故事或长文本批量转换为有声书音频。

  • 本地听写

    例如:使用悬浮组件把讲话内容转成文字。

它是怎么工作的

  1. 第 1 步

    安装应用

    通过安装脚本、平台安装包或源码启动 Electron 桌面应用。

  2. 第 2 步

    选择引擎

    默认使用 k2-fsa/OmniVoice,也可以选择其他语音引擎并安装所需模型。

  3. 第 3 步

    准备声音

    选择已有声音,或添加一段干净的参考录音进行克隆,也可描述需求设计声音。

  4. 第 4 步

    输入内容

    输入文本或导入视频、音频等任务素材,选择转录、配音或批处理工作流。

  5. 第 5 步

    本地生成

    模型在本机硬件上执行推理,并输出语音、配音或转录结果。

快速上手

  1. 1

    一键安装

    macOS 或 Linux 可使用安装脚本安装最新 Electron 版本。

    curl -fsSL https://voicestudio.sh/install | sh
  2. 2

    Windows 安装

    在 PowerShell 中执行安装命令。

    irm https://voicestudio.sh/install | iex
  3. 3

    源码运行

    克隆仓库并安装依赖后启动 Electron 开发环境。

    git clone https://github.com/debpalash/VoiceStudio.git && cd VoiceStudio && bun install && bun run setup:api && bun run dev
  4. 4

    开始生成

    打开 Voice cloning,选择声音或添加参考录音,输入文本,并按提示安装模型。

适合谁

  • 需要本地语音克隆或语音生成的开发者
  • 制作视频配音和有声书的创作者
  • 希望把语音能力接入 API、MCP 或自动化流程的团队
  • 拥有 NVIDIA GPU 或 Apple Silicon 设备的用户

不太适合

  • 只需要简单在线 TTS、且不想安装本地模型的用户
  • 使用 Intel Mac 并希望完全本地运行的用户
  • 不接受 AGPL-3.0 许可约束的商业项目

成熟度

  • 活跃度仓库信息显示最近一次推送时间为 2026-10-23,仍在持续更新。
  • 文档README 提供分平台安装、Docker、模型、性能和故障排查文档入口。
  • 社区拥有 82098 个 star、9065 个 fork 和 Discord 社区,但仍有 324 个开放 issue。
  • 上手难度提供一键安装和平台安装包,但模型下载、硬件差异和后端依赖仍需配置。

使用前注意

  • · 项目采用 AGPL-3.0,修改并提供服务或分发衍生版本时需要评估许可证义务。
  • · CPU 可以运行,但速度更慢,README 提到 CPU 版 PyTorch 约需 5 GB 可用磁盘空间。
  • · Windows on ARM 目前属于实验性支持,使用 x64 Python 后端并且仅支持 CPU。
  • · 语音克隆涉及个人声音和内容授权,使用参考录音前应确认拥有相应许可。

主题标签

ttsvoice-cloningvoice-generationvoice-aiaicudamlxhuggingfacetranscriptiontranslateworkflowomnivoice-studiodubbingaudiobookelevenlabs-alternativelocal-firstspeech-to-texttext-to-speechvoicestudio