规格速览
- 运行平台
- 下载渠道官网下载
- 内置广告无广告
- 语言中文
- 特性徽章开源项目
- 收录日期2026年9月27日
VoiceStudio 是一款开源、完全本地运行的 AI 语音工作台,原名 OmniVoice-Studio,由开发者 Palash Deb 维护,目前在 GitHub 上已获得超过 2 万 Star。
它的核心定位是 ElevenLabs 等云端语音服务的本地替代方案:声音克隆、声音设计、视频配音、听写转写、有声书制作等流程全部在用户自己的硬件上完成,音频数据不需要上传到任何服务器。适合重视隐私、需要离线使用或希望高频批量处理音频的用户。
项目目前处于活跃 Beta 阶段,各版本之间可能出现故障,官方建议从源码运行以获取最新修复。
核心功能
声音克隆:上传一段参考录音即可复刻声音。官方称 3 秒音频即可工作,5–15 秒的干净单人录音效果更稳定。
声音设计:通过描述性别、年龄、口音、音高、情感和方言等参数,从零构建一个全新的声音。
视频配音:在一个项目内完成转录、翻译、说话人分配、语音合成和视频导出,支持时间轴对齐。
听写与转写:实时听写配合悬浮录音组件,支持字幕生成和说话人分离。
长内容制作:支持多角色故事脚本、EPUB/PDF 导入,以及带章节的有声书导出和批量任务。
模型管理:内置模型商店,自动检测 CUDA / MPS / CPU 并推荐合适的模型;引擎兼容性矩阵覆盖 16 个 TTS 引擎和 11 个 ASR 引擎。
本地 API 与 MCP:提供本地 REST、SSE、WebSocket、JSON-RPC、CLI 和 MCP 接口,可接入自动化工作流。
远程 GPU 共享:可通过加入码和二维码借用其他机器的 GPU 算力,多用户可共用一台 GPU 主机,连接支持证书固定和随时撤销。
软件特色
VoiceStudio 最核心的特点是“本地优先”。所有核心创作流程运行在用户自己的硬件上,没有订阅、没有用量计费、不需要账号,联网引擎和服务始终是可选功能而非隐藏依赖。
在视频配音方面,它提供了一条端到端流程。官方演示中,一段视频被转录后翻译成孟加拉语、重新配音并完成时间轴对齐,最终导出为 MP4。
硬件要求因引擎和任务长度而异:官方建议内存最低 8 GB(推荐 16 GB),GPU 加速最低 4 GB 显存(推荐 8 GB 以上)。Intel Mac 目前不能直接运行本地 Python 后端,需要连接远程后端;Apple Silicon 用户建议使用原生 macOS 安装包。
界面基于 Electron 构建,早期版本曾使用 Tauri,现已归档。
支持平台
Windows
macOS
Linux
Docker
收费方式
免费使用,所有功能均无订阅和用量计费。
开源情况
采用 AGPL-3.0 许可证,源代码托管于 GitHub。













