🎙️
57K Star：把 ElevenLabs 搬回自己电脑
VoiceStudio：本地跑声音克隆、视频配音、转录，646 种语言，不出门
57k Star
AGPL-3.0
完全本地
📖 它是什么
VoiceStudio 是一个开源的、完全本地运行的语音工作台，官方定位就是"开源的、本地的 ElevenLabs 平替"。3 秒干净录音克隆音色，之后那个音色能读任何文案、配任何视频、讲任何语言——文件全在你自己硬盘上，不上传云端。
一个 App 干六件事：声音克隆、声音设计、视频配音、听写、转录、有声书生成。内置 16 个 TTS 引擎，支持 646 种语言。GitHub 57K+ Star，AGPL-3.0，v0.5.6。
⚠️ 克隆他人声音必须取得本人授权，禁止未经许可盗用他人音色。
✨ 六项核心能力
🎭
声音克隆
3 秒录音复用音色，跨语言朗读
🎨
声音设计
自然语言描述凭空造音色
🎬
视频配音
任何视频配任何语言，时间轴对齐
⌨️
听写 / 转录
说话即打字，录音出文字，不出本机
🖥️ 环境要求
| 系统 | Windows x64 / macOS / Linux |
| GPU（推荐） | NVIDIA CUDA 或 Apple Silicon MPS |
| 纯 CPU | 能用，选 KittenTTS / Supertonic-3 / PocketTTS |
| 磁盘 | 首次运行下几个 GB 模型 |
| 网络 | 首次下模型联网，之后完全离线 |
🚀 三步上手
① 装 App
curl -fsSL https://voicestudio.sh/install | sh或去 Release 页下 Windows x64 安装包 / macOS DMG / Linux AppImage。安装包未签名，去官网下并核对 SHA-256。
② 首跑下模型、选引擎
第一次启动自动拉模型（几个 GB）。有 N 卡 / Apple Silicon 选高质量大模型；纯 CPU 选 KittenTTS / Supertonic-3 / PocketTTS 轻量引擎。
③ 先试两句再跑全片
克隆音色后先让它读两句话，听音色、语速、发音满意了，再喂完整脚本 / 视频 / 有声书章节。
🎯 典型玩法
🎭 克隆自己声音读稿：录一次 3 秒参考音，以后口播稿不用自己念
🎬 视频跨语言配音：中文视频配英语，时间轴对齐原片
📚 有声书一人配全组：剧本里不同角色用不同音色
⌨️ 会议 / 电话转录：录音丢进去出文字，不上云
🤖 接 Agent：本地 API + MCP，Claude Code / Cursor / Codex CLI 直接调
📊 和 ElevenLabs 比
| 运行位置 | 云端 vs 本地自己电脑 |
| 费用 | 订阅按额度 vs 免费开源只花自己电 |
| 隐私 | 音频上传 vs 文件全在本机 |
| 语言 | 几十种 vs 646 种 |
❓ 常见问题
Q：完全免费吗？
App 本身 AGPL-3.0 免费可商用。模型权重各自有条款，接付费客户前看一眼所选模型协议。
Q：一定要显卡吗？
N 卡或 Apple Silicon 跑得快。纯 CPU 也能跑，选轻量引擎。Intel Mac 只能开界面。
Q：要联网吗？
首次下模型要联网，之后完全离线。
Q：能接 Claude Code / Cursor 吗？
能。提供本地 API + MCP，Claude Code、Cursor、Codex CLI、Agents SDK 都能直接调。
📎 GitHub 搜索 debpalash/VoiceStudio
关注「AI工具匠」，获取更多 AI 工具实操教程