voicestudio

VoiceStudio 是云语音服务的开源、完全本地替代方案，涵盖声音克隆、声音设计、视频配音、听写、转录和有声书制作。该项目宣称支持 646 种语言，并将本地工作流定位为在用户自己的硬件上运行，远程服务为可选，使用分析需要获得同意。 核心能力分为三个方面。创建：从参考录音克隆声音，或根据描述设计新声音。制作：为视频配上定时语音，生成故事和有声书，并运行批处理任务。连接：为智能体提供本地 API 和 MCP 服务器，并可选远程工作节点。 默认引擎为 VoiceStudio，据称由 k2-fsa/OmniVoice 提供支持，也可选择其他引擎；文档中提供了功能和引擎目录。硬件要求因引擎而异，性能文档说明了预期表现。模型按需下载，应用在安装所需模型前会提示用户。 安装选项包括面向 macOS 和 Linux 的一条命令安装器，通过 curl 脚本执行，支持安装最新的 Electron 版本、指定版本、构建当前 main 分支，或在保留数据的情况下卸载。发布版下载需要 curl 和 SHA-256 工具；构建 main 分支需要 Git、Node.js 22+、Bun、Rust/Cargo 以及平台构建工具。项目为 macOS、Windows、Linux 和 Docker 提供了平台指南，也可直接下载发布版。此外还有面向 Claude Code、Codex 和 Cursor 等编码智能体的安装提示，以及一份智能体指南，涵盖硬件检测、复用现有数据、下载模型前询问和测试生成。可通过 npx skills add debpalash/VoiceStudio 添加技能，选择音频工作流技能或维护者技能。 从源码运行使用 Bun：克隆仓库，运行 bun install，运行 bun run setup:api 准备 Python 依赖，然后运行 bun run dev。冒烟测试命令会构建并启动一个隔离的打包 Electron 应用，并可选择检查联网的托管运行时安装。 README 指出，Electron 是唯一维护的桌面应用，0.5.3 版本是最后一个 Tauri 版本；现有 Tauri 用户被引导查看迁移文档，Tauri 源码已归档且不再更新。根目录的开发、构建、测试和发布命令均面向 Electron。 文档涵盖故障排除、模型下载、引擎指南、基准测试、本地语音平台 API、MCP 集成和示例，以及贡献指南、Electron 设置和更新日志。项目采用 AGPL-3.0 许可，并另有关于模型许可和负责任使用的声明；README 建议在商业使用前查看模型许可，并且仅在获得许可的情况下克隆声音。文中还列出了赞助和捐赠渠道。