← 返回资源目录
V

VoiceStudio

社区出品开源AGPL-3.0本地运行

全本地运行的开源语音工作室:语音克隆、声音设计、配音、转写、听写与有声书制作,本地工作流无需账号与 API Key。

VoiceStudio 原创插图:本地语音工作台的三轨波形与麦克风输入,右下角为本地离线标识
插图:AIHub 原创设计
获取资源前往官方下载 ↗

将跳转至 github.com。本站不托管安装包,请遵循目标站点条款。

来源:github.com · 信息以官方页面为准

资源简介

VoiceStudio(曾名 OmniVoice-Studio,AGPL-3.0 开源)定位「开源自托管的 ElevenLabs 替代」:零样本语音克隆(官方建议 5–15 秒参考音频)、按年龄/口音/风格描述的声音设计、视频配音(转写→翻译→合成→导出)、系统级听写、转写与多角色有声书(EPUB/PDF 导入、.m4b 导出)全部在本机完成;集成 16 个 TTS 与 11 个 ASR 引擎,TTS 语言目录约 646 种(实际覆盖取决于所选引擎)。

技术形态为 Tauri v2 桌面壳 + FastAPI 本地服务(localhost:3900)+ SQLite,支持 CUDA/Apple MPS/MLX/ROCm/CPU,并提供 OpenAI 兼容本地 API 与 MCP 服务器;README 明确本地工作流「无账号、无 API Key、无用量计量」。应用本体 AGPL-3.0(作者另售商业授权),下载的模型沿用各自上游条款——默认 OmniVoice 权重为 CC-BY-NC,商用集成需分别核对。

语音克隆涉及声音肖像权利,须在取得授权后对目标声音使用;AGPL-3.0 对商用集成有传染性约束;默认模型权重 CC-BY-NC 含非商业条款;各语言实际覆盖度未逐一验证。

核心能力

  • 零样本语音克隆与声音设计,全流程本地离线运行
  • 克隆/配音/转写/听写/有声书一体,内置 16 TTS + 11 ASR 引擎与约 646 种语言目录
  • OpenAI 兼容本地 API 与 MCP 服务器,本地工作流无需账号或 API Key

适合谁

需要隐私优先、本地化语音生产的播客与有声书创作者、配音本地化团队及开发者。