V
VoiceStudio
AGPL-3.0PythonVoiceStudio 是开源、完全本地运行的 ElevenLabs 替代方案，支持语音克隆、语音设计、视频配音、听写、转录与有声书制作，覆盖 646 种语言。
★ 34kFork 4k更新于 2026-09-21
软件介绍
VoiceStudio 是一款开源、以本地运行为核心的语音工作台，定位为 ElevenLabs 的替代方案。根据其 README，它提供语音克隆、语音设计、视频配音、听写、转录与有声书制作能力，并宣称支持 646 种语言。默认引擎为 k2-fsa/OmniVoice，同时支持选择其他引擎。桌面端目前仅维护 Electron 版本（0.5.3 是最后一个 Tauri 版本，Tauri 源码已归档）。本地工作流在用户自己的硬件上运行，远程服务为可选项，使用分析数据需要用户同意。项目采用 AGPL-3.0 许可，模型另有各自许可，需在使用前自行确认。
核心功能
语音克隆：使用干净参考录音克隆声音
语音设计：通过描述设计声音
视频配音：为视频生成带时间对齐的语音
听写：通过浮动小组件进行语音输入
转录与有声书/故事制作，支持批量任务
默认引擎为 k2-fsa/OmniVoice，可切换其他引擎
本地 API 与 MCP，便于智能体集成
可选远程 worker
本地模型安装与管理
Electron 桌面应用（Tauri 已归档）
提供 Docker 及 macOS/Windows/Linux 安装指南
适用场景
为视频内容进行多语言配音创建有声书、故事音频与批量语音任务使用参考录音克隆特定声音用于个人项目通过浮动小组件进行语音听写将音频转录为文本为智能体或应用提供本地语音 API 与 MCP 集成在本地硬件上完成语音生成，减少对云服务的依赖
Docker 部署
请参考仓库中的 Docker 安装文档 docs/install/docker.md 执行部署（输入信息中未提供明确的 Docker 命令）。
FAQ
VoiceStudio 是免费的吗？
根据 README，VoiceStudio 是开源项目，采用 AGPL-3.0 许可。但其中使用的模型有各自的许可，商业使用前需要分别查看并确认。
VoiceStudio 需要联网吗？
README 说明本地工作流在用户自己的硬件上运行，远程服务为可选项，使用分析数据需要用户同意。因此核心流程可以本地完成，但安装依赖或下载模型时可能需要网络。
支持哪些语言？
README 宣称支持 646 种语言，但实际可用语言取决于所选引擎与模型，建议参考官方引擎文档确认。
桌面端应该安装哪个版本？
README 明确指出 Electron 是唯一维护的桌面应用，0.5.3 是最后一个 Tauri 版本。现有 Tauri 用户需要单独安装 Electron，并参考迁移文档。
可以克隆任意人的声音吗？
README 要求仅在有授权的情况下克隆声音。请确保你拥有相应许可，并遵守当地法律法规。
如何从源码运行？
README 给出的步骤是：克隆仓库后依次执行 bun install、bun run setup:api，然后在仓库根目录执行 bun run dev。Electron 会负责监管后端，不要另外启动第二个后端。