VoiceStudio

VoiceStudio 是一个开源、完全本地运行的 ElevenLabs 平替：桌面应用，一次装好就能做声音克隆、声音设计、视频配音、实时听写、转录和有声书制作，覆盖 646 种语言。它最大的标签是“你的声音，你的机器”——所有推理都在本机完成（CUDA / Apple Silicon MPS / ROCm / CPU 自动检测），不需要 API Key、不需要注册账号、没有云端依赖，隐私敏感的音频工作流可以放心跑在本地。

这个项目是 AI 构建的典型代表：官方仓库 debpalash/VoiceStudio 的大量 PR 自带 “🤖 Generated with Claude Code” 标记，仓库内配有完整的 CLAUDE.md / AGENTS.md agent 协作规范，是 AI 深度参与开发的开源项目。项目 2026 年 4 月创建，已发布 42 个版本，目前在 GitHub 上收获近 6 万 star，社区相当活跃。

能做什么

• 声音克隆：给一段干净的参考录音，就能克隆出可用于配音的声音，内置演示声音开箱即用。
• 声音设计：用文字描述想要的音色，生成全新的声音。
• 视频配音：上传视频或粘贴 YouTube 链接，转录 → 翻译 → 按时间轴生成配音，一键把英文视频翻成西班牙语、中文、日语等多语言版本。
• 实时听写与转录：悬浮窗听写，会议、采访、灵感记录直接转文字。
• 有声书与批量任务：长文本分章节生成、批量配音，播客和自媒体的生产利器。

引擎与语言

内置 16 个 TTS 引擎、11 个 ASR 引擎，可在模型目录中一键切换（Ctrl/Cmd+E），646 种语言的实际覆盖取决于所选引擎。模型、声音、工程和输出默认全部保存在本机。

安装与平台

支持 macOS（Apple Silicon）、Windows 10/11、Linux，一行命令安装：curl -fsSL https://voicestudio.sh/install | sh，也有 dmg / exe / AppImage / deb 安装包和 Docker 部署方式。Intel Mac 只能跑 UI 界面，需要连接远程后端。

给开发者和 Agent

除了桌面应用，还提供本地 REST / SSE / WebSocket API、OpenAI 兼容的音频 API，以及 MCP Server——可以直接让 AI Agent 驱动它做配音和转录。官方还提供了 agent 安装指南，一句 prompt 就能让 Claude Code、Codex、Cursor 帮你装好并验证。

许可证

应用本体为 AGPL-3.0 开源（含商业使用的合规条件）；下载的模型权重保留各自上游许可。注意：克隆他人声音请务必获得授权，负责任地使用。