VoiceStudio

VoiceStudio — 本地 AI 语音克隆与视频配音桌面工具

产品简介

VoiceStudio（原名 OmniVoice Studio）是一款完全本地运行的 AI 语音处理桌面应用，提供语音克隆、视频配音、语音转写、文本转语音、有声书制作等功能。支持 646 种语言与方言，覆盖全球主流语音引擎，无需 API Key，无需联网，所有数据均在本地处理。GitHub 获星 11K+，release 下载量超 22 万次，被 TechCrunch、KDnuggets、MarkTechPost 等媒体广泛报道，被誉为「ElevenLabs 开源替代方案」。

核心功能

• 零样本语音克隆：上传 3 秒音频样本即可克隆任意音色，支持声音风格、情感与口音微调
• 视频多语言配音：自动识别视频中不同说话人，翻译后保留音色与口型同步
• 语音设计：输入文字描述（性别、年龄、情感、口音）生成全新合成声音
• 实时语音转写：将音频或视频文件转录为可编辑文本，支持说话人分离（Diarization）
• 有声书制作：导入脚本或 EPUB 电子书，自动生成章节化 audiobook
• 本地 OpenAI 兼容 API：提供与 OpenAI Audio API 兼容的本地接口，便于开发者集成
• 多引擎支持：内置多种 TTS 引擎（Chatterbox、XTTS、Parler-TTS 等），可随时切换
• 本地模型管理：内置模型目录，一键下载更新，无需手动配置

特色优势

• 完全离线：所有语音处理在本地完成，无需上传任何音频数据到外部服务器，真正保护隐私
• 无需账号：下载即用，无需注册、无需 API Key、无用量限制
• 跨平台：支持 macOS、Windows、Linux（含 Docker）三大平台
• 开源透明：代码完全开源，架构文档与依赖列表公开可查
• 商业友好：提供 VoiceStudio Pro 授权计划，支持商业团队使用

应用场景

• 内容创作者为视频自动配音至多语言版本，降低国际化成本
• 有声书主播或有声书制作工作室批量将文字内容转为语音
• 隐私敏感行业（如医疗、金融、法律）内部使用语音合成，无需数据外传
• 研究人员利用本地 TTS API 快速构建语音实验原型
• 独立开发者将语音合成能力集成到自有应用中

适用人群

内容创作者与 UP 主、有声书制作人、隐私敏感行业从业者、AI 应用开发者、科研人员，以及对语音克隆和配音有需求但不愿依赖云端服务的个人用户。

出品方

Palash Debnath（独立开发者），项目采用 AGPL-3.0 开源协议。

更新动态

• 最新版本 v0.5.0，发布于 2026 年
• 持续更新中，支持引擎与语言库持续扩充

官网链接

• 产品官网：https://voicestudio.sh
• GitHub 仓库：https://github.com/debpalash/VoiceStudio