VoiceStudio
SHA-256开源的本地化语音克隆与配音工具，支持 646 种语言，完全离线运行，无需账户或订阅。
媲美 ElevenLabs 的全本地语音克隆与有声书工具
核心功能
- 语音克隆：上传 3-15 秒参考音频即可合成任意文本，声音风格高度还原
- 声音设计：可根据年龄、口音、音高、风格等描述创造全新声音
- 视频配音：转录、翻译、保留说话人音色，自动生成贴合人声的字幕并导出视频
- 有声书与故事：支持 EPUB/PDF 导入、多角色脚本，输出 .m4b 格式
- 听写小部件：全局快捷键唤起实时转录，可选接本地大模型清理文本
避坑指南
- •仍处于活跃 Beta：优先使用最新 Release 版本，main 分支可能不稳定
- •若未安装 NVIDIA 显卡或 Apple Silicon，CPU 模式速度会明显变慢，建议至少 16GB 内存
- •默认模型权重为 CC-BY-NC 许可，商业用途需查阅上游模型协议
- •Intel Mac 无法运行本地后端，需连接远程计算节点
适用场景
- 为视频、课程或播客制作多语言配音，个人创作者无需担心版权和云费用
- 有声小说和长篇内容离线批量生产 —— 数据不出设备，适合对隐私敏感的用户
VoiceStudio（原 OmniVoice-Studio）是一款完全本地化的开源语音工具，被称为 ElevenLabs 的开源替代品。它集语音克隆、声音设计、视频配音、听写、转录和有声书制作于一体，支持 646 种语言，内置 16 种 TTS 引擎和 11 种 ASR 引擎，可完全在本地硬件上运行 —— 无需注册账户、API 密钥、订阅或按量计费。与必须将音频上传到云端的商业服务不同，VoiceStudio 默认所有数据保留在本地，远程功能均为可选启用。 应用内置模型仓库（Model Catalogue），随时切换引擎和模型；支持批量队列、音频人声分离、说话人分离、AI 水印，并提供符合 OpenAI 规范的本地 API 和 MCP 服务器接口，方便二次开发。它提供桌面应用（macOS Apple Silicon / Windows / Linux）和 Docker 部署，自动识别 CUDA、MPS、ROCm 等 GPU 加速。授权为 AGPL-3.0，源码完全开放，适合私有部署、批量生产、离线创作等需要数据隐私和高性价比的场景。
标签
快速上手
安装软件
双击下载的安装程序，按提示完成安装
从 GitHub Releases 下载对应系统（macOS arm64 / Windows x64 / Linux）的安装包并运行
首次启动会自动创建 Python 环境并下载默认模型，稍等片刻
打开“语音克隆”页，上传清晰的声音样本，输入文字并选择语言，点击生成即可
- 从 GitHub Releases 下载对应系统（macOS arm64 / Windows x64 / Linux）的安装包并运行
- 首次启动会自动创建 Python 环境并下载默认模型，稍等片刻
- 打开“语音克隆”页，上传清晰的声音样本，输入文字并选择语言，点击生成即可
已提供 SHA-256 校验码，下载后可自行核对文件完整性
该校验码提取自 GitHub 官方 Release 页面
SHA256 校验码
0e0a9b3ef7d4c48243bae2b12f610c5bc991bbb127e17700a410c24063cab2a6该校验码提取自 GitHub Release 页面，下载后请自行核对文件完整性
本平台所有 SHA-256 校验码均提取自项目在 GitHub 官方 Release 页面发布的文件，未做任何修改。你可以通过 GitHub Releases 页面自行验证。
开源透明
查看 GitHub 源码卸载说明
卸载时请移除应用目录及默认模型缓存（通常位于 ~/.cache 或 ~/Library/Application Support/VoiceStudio），设置中的“自检”可查看完整路径。删除这些文件夹即可彻底卸载。
无额外依赖
下载后即可直接使用，无需安装其他运行环境
遇到问题？查看下方 FAQ
5 FAQs