VoiceStudio

概览

GitHubGitHub

VoiceStudio 是一款基于 Electron 构建的开源桌面应用，定位为 ElevenLabs 的本地化替代方案。它将语音克隆、语音设计、视频配音、听写、转录以及有声书制作等功能整合在一个界面中，支持 646 种语言。 该应用默认使用 k2-fsa/OmniVoice 引擎，同时也允许用户选择其他引擎。所有工作流均在本地硬件上运行，远程服务为可选项，使用分析功能需要用户明确同意。 **主要能力包括：** - **语音克隆与设计**：通过上传参考录音克隆声音，或通过描述生成自定义声音。 - **视频配音**：为视频添加带时间轴对齐的语音配音。 - **听写与转录**：提供悬浮小部件进行语音听写，并支持语音转文字。 - **批量处理**：支持故事、有声书的批量生成任务。 - **集成接口**：提供本地 API 与 MCP 接口，可与 AI Agent（如 Claude Code、Codex、Cursor）配合使用。 - **模型管理**：内置模型管理器，用于安装和管理本地语音模型，并展示模型的许可与审查信息。 **硬件兼容性：** - NVIDIA GPU（Windows/Linux）支持 CUDA 加速。 - Apple Silicon 支持 Metal (MPS) 加速。 - 无独立显卡的设备可在 CPU 上运行，但速度较慢，需约 5 GB 磁盘空间安装 CPU 版 PyTorch。 - Windows on ARM 处于实验性支持阶段。 - Intel Mac 仅运行 UI，需连接远程后端。 VoiceStudio 采用 AGPL-3.0 协议开源，支持 macOS `.dmg`、Windows `.exe` 以及 Linux `.AppImage` 或 `.deb` 格式的安装包。从源码构建需要 Git、Node.js 22+、Bun、Rust/Cargo 及平台构建工具。需要注意的是，Electron 是目前唯一的桌面应用和 Web UI 形态，旧版 Tauri 架构已被移除。

Q&A

VoiceStudio 支持哪些操作系统？由 AI 生成

支持 macOS（.dmg）、Windows（.exe）和 Linux（.AppImage 或 .deb）。Electron 是目前唯一的桌面应用形态，旧版的 Tauri 架构已停止维护并被移除。

没有独立显卡可以运行吗？由 AI 生成

可以。在没有独立显卡（如 Intel/AMD 核显或较旧的 PC）的情况下，应用完全可以在 CPU 上运行，但速度较慢。安装程序会自动下载约 5 GB 的 CPU 版 PyTorch。

VoiceStudio 是免费的吗？由 AI 生成

VoiceStudio 是基于 AGPL-3.0 协议的开源软件，可免费使用，包括在满足协议条件下的商业用途。但模型权重、分词器、声音和生成内容的许可条件是独立的。

如何从源码构建 VoiceStudio？由 AI 生成

需要安装 Git、Node.js 22+、Bun、Rust/Cargo 以及平台构建工具。克隆仓库后依次执行 bun install、bun run setup:api 和 bun run dev 即可启动开发环境。

Intel Mac 可以使用吗？由 AI 生成

Intel Mac 只能运行应用的 UI 部分，无法在本地运行后端，需要连接到远程后端才能使用完整功能。

它使用了什么语音引擎？由 AI 生成

默认使用 k2-fsa/OmniVoice 引擎，但用户也可以选择其他引擎。具体的引擎目录和功能对应关系可查阅官方文档。