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
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
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。
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。
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。
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。
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
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
Windows 安装
在 PowerShell 中执行安装命令。
irm https://voicestudio.sh/install | iex - 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
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。
