应用工具AI 资源

VoiceStudio：本地化的语音克隆、配音与转录工作台

debpalash/VoiceStudio · VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audiobook creation in 646 languages.

GitHub原文发布未知首次收录 2026-09-14上架 2026-09-15 07:04

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

VoiceStudio（前身 OmniVoice-Studio）是一个完全本地运行的开源语音工作台，定位为 ElevenLabs 的自托管替代方案。它集成 16 个 TTS 引擎和 11 个 ASR 引擎，支持 646 种语言的语音克隆、语音设计、视频配音、听写、转录与有声书制作，并提供桌面应用、本地 REST/SSE/WebSocket API、OpenAI 兼容音频接口和 MCP Server。语音、项目和输出默认保存在本机，本地流程无需账号、API Key 或订阅计量。

# text-to-speech # voice-cloning # speech-to-text # local-first # dubbing

核心能力与快速开始

★ 26636 · Python

能做什么: 语音克隆：从短参考音频进行零样本合成；语音设计：按年龄、口音、音调、风格等描述创建语音；视频配音：转录、翻译、保留说话人、合成并导出视频；故事与有声书：多角色脚本、EPUB/PDF 导入、章节渲染、.m4b 导出；听写组件：系统级快捷键、实时转录、可选本地 LLM 清理；人声分离（Demucs）与说话人分离（Pyannote、WhisperX）；批处理队列与文件夹监听；模型目录与远程模型下载；GPU 自动检测（CUDA/MPS/ROCm/CPU）；AI 水印（AudioSeal 嵌入与检测）；MCP Server 提供合成与转录工具；提供本地 REST/SSE/WebSocket API 与 OpenAI 兼容音频 API。
适用场景: 在自有硬件上进行私有、离线的语音克隆与语音设计；多语言视频配音与翻译；有声书和多角色故事音频制作；系统级听写与音频转录；批量音频/视频任务的排队处理；通过本地 API 或 MCP 客户端把语音合成与转录能力集成进其他工具；对数据不出本机有要求的语音内容生产。
项目形态: 可直接使用的工具
部署方式: 提供 macOS（Apple Silicon DMG）、Windows 10/11（x64 MSI）、Linux（AppImage，x86_64，glibc 2.39+）安装包，以及仅限 linux/amd64 的 Docker 镜像（含 CUDA、ROCm、CPU 和 worker-only GPU 配置）。首次启动会创建托管的 Python 环境并下载默认模型。也可从源码运行（Node 20+/Bun、Python 3.11+）。支持纯 CPU 模式，也支持可选远程 worker。
主要依赖: 默认本地工作流最低 8 GB RAM、10 GB 可用磁盘，GPU 可选；推荐 16 GB+ RAM、20 GB+ SSD、NVIDIA CUDA 或 Apple Silicon；使用 GPU 时最低 4 GB VRAM，推荐 8 GB+（大型可选引擎需要更多）。系统要求：Windows 10 x64、macOS 13.3 Apple Silicon、Linux x86_64 且 glibc 2.39+。从源码运行需 Python 3.11+（推荐 3.11 或 3.12）。Intel Mac 无法运行本地 Python 后端，需使用远程后端。具体需求因引擎而异。
使用限制: 项目处于 active beta 状态，main 分支的新修复可能在版本之间变化；Electron 重写进行中。官方原文简介提及它是 ElevenLabs 的开源替代方案，但材料也明确 VoiceStudio 以本地控制换取托管云算力，性能取决于所选引擎与硬件。软件本身免费，但用户需自备硬件；下载的模型仍遵循各自的上游许可条款。646 种语言的实际覆盖与质量取决于所选引擎。发布镜像仅支持 linux/amd64，Apple Silicon 需使用原生 macOS 应用。ROCm 仅限 Linux 且为选择性启用；Windows AMD/Ryzen AI 走 CPU。材料未说明具体 API 成本。
许可证: AGPL-3.0
最近推送: 2026-09-11 13:50

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-14 07:00 · 卡片整理：2026-09-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

PR Review Inbox：面向 Bitbucket Server/Data Center 的本地优先 PR 评审收件箱与 AI 草拟评审

PR Review Inbox 是运行在本机的 Bitbucket Server 和 Data Center 拉取请求评审收件箱，集中展示需要你处理的 PR，并按消息跟踪讨论、未读状态与提醒。它调用你自己的 Claude Code CLI，在脱敏的 PR 快照上做 AI 评审，结合 Jira 任务信息生成评审评论、回复和修复建议草稿；所有内容在你逐条接受或编辑并点击后才发布到 Bitbucket。它还提供 PR 说明、Jira 任务构建、评审检查项与评审质量统计等功能。

Simplismart：面向生成式 AI 模型的推理与部署平台第三方 API 资料档案

该仓库是 API Evangelist 维护的第三方公开资料档案，并非 Simplismart 官方 API 或软件。材料显示 Simplismart 是一个 AI 推理与模型部署平台，支持在优化过的 GPU 基础设施上运行、微调与自托管生成式 AI 模型，提供兼容 OpenAI 的 LLM 对话推理（Llama、Qwen、Gemma、Mixtral、DeepSeek）以及 Whisper 语音转文字等能力。仓库本身只包含文本与机器可读的 API 描述，没有可构建、发布或安装的软件。由于该档案尚处于待补充（stub）状态，关于部署条件、硬件要求、API 费用与限制等信息均未说明。

IncarnaMind：可核查引文的本地文档问答与 AI 写作桌面应用

IncarnaMind 是一款面向 macOS、Windows 和 Linux 的开源桌面应用，用于对自己的 PDF、Word、PowerPoint、Excel、CSV、Markdown 和纯文本等文档提问并进行 AI 写作。它会为回答标注具体页码，并校验引文是否确实出现在所引位置，支持打开原页面并高亮显示。用户可以连接已有的文件夹（包括 Zotero 存储目录），从 OpenAlex、arXiv、PubMed 检索开放获取论文，导入 Zotero、CSL JSON、BibTeX、RIS 文献，也可接入 ChatGPT 套餐、自带 API Key 或通过 Ollama 使用本地模型，并将笔记导出为 Word 或 Markdown 并附指定格式的引文和参考文献。项目强调文档与索引留在本地数据文件夹，文件不被移动或修改；当前尚未正式发布安装包，可从源码运行。

LearnNote：把浏览器视频与本地资料整理成可追溯学习笔记的本地优先 AI 助手

LearnNote 是一个本地优先的 AI 学习助手，能够把浏览器视频（如 Bilibili、YouTube）和本地视频、PDF、Markdown、TXT、HTML 等资料转成结构化、可回到来源核对的笔记。它优先读取已有字幕，无字幕时可选本地 faster-whisper 转写或远程转写，并按需调用文字、视觉模型生成概览、重点与结论；支持浏览器扩展交接已登录页面的字幕与资源、全局助手与 Skill 追问、FSRS 复习、笔记编辑与版本保留、导出、Obsidian 集成。工作台通过平台启动脚本双击运行，服务只监听本机 127.0.0.1，数据和模型 Key 默认保存在本机，不需要 LearnNote 账号。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。