一个开源的桌面语音工具，能在本地完成声音克隆、配音、有声书制作这些活儿，不用订阅付费，数据也不往上传。

Github地址

https://github.com/debpalash/VoiceStudio

功能特性

  • 语音克隆：给3秒参考音频就能复刻声音，零样本起步
  • 声音设计：性别、年龄、口音、音高、语速、情感都能调
  • 视频配音：丢YouTube链接或本地视频进去，自动转录、翻译、重新配音，输出MP4
  • 有声书编辑器：导入EPUB或PDF，自动分章节，做完导出.m4b
  • 故事模式：多角色分派不同声音，整段故事配出来
  • 全局听写：按⌘+⇧+Space，在哪都能转文字，自动粘贴
  • 人声分离、说话人分离、批量队列、AI水印这些也有

系统要求

最低配置推荐配置
操作系统Windows 10、macOS 12+（Apple Silicon）、Ubuntu 24.04+（glibc 2.39+）任意现代 64 位操作系统
内存8 GB16 GB+
显存（GPU）4 GB（自动将 TTS 卸载到 CPU）8 GB+（NVIDIA RTX 3060+）
硬盘10 GB 可用空间（模型 + 缓存）20 GB+ SSD
Python3.10+（由 uv 管理）3.11–3.12
GPU可选——CPU 也能跑NVIDIA CUDA · Apple Silicon MPS · AMD ROCm（仅 Linux）

部署方式

直接下安装包最省事，macOS、Windows、Linux都有对应版本。macOS第一次开可能得右键点”打开”过Gatekeeper，Intel Mac跑不了本地后端，只能连远程。Linux要glibc 2.39以上，显存4GB能跑，8GB以上更顺。也可以走Docker，镜像在Docker Hub和GitHub Container Registry都有。喜欢折腾的从源码跑，用uv管Python环境，装完依赖启动前后端就行。

远程后端、MCP服务器这些进阶玩法也支持，UI可以连到另一台机器上跑的后端，Tailscale组网也能用。