本地语音工作台：646 种语言的克隆、配音与听写
来源：GitHub — 2026-10-26 · ⭐ 86,266 stars · Python
📋 概述
一个跑在自己机器上的完整语音工坊，把语音克隆、音色设计、视频配音、口述转写和有声书制作收进同一个 Electron 应用，号称是本地版的 ElevenLabs 替代品，覆盖 646 种语言。默认引擎是 k2-fsa/OmniVoice，也可以换别的引擎；NVIDIA 显卡走 CUDA，Apple Silicon 走 Metal，没有独显的机器纯 CPU 也能用，只是慢一些。除了给人用的界面，它还开了本地 API 和 MCP，让智能体可以直接调用合成与转写。
🔑 核心要点
- 三类工作区覆盖创作全链路：克隆一个声音或从零设计音色、给视频按时间轴配语音，以及生成故事、有声书和批量任务，前端还提供悬浮口述小窗。
- 安装是一条命令：脚本从 voicestudio.sh 拉取 Electron 发行版，支持指定版本、跟随 main 构建以及保留数据卸载，Windows 用一段 PowerShell，另有 Docker 与各平台独立安装文档。
- 硬件分档写得很清楚：NVIDIA 走 CUDA、Apple Silicon 走 MPS、集显机器回落到 CPU 并安装约 5 GB 的精简版 PyTorch，Intel Mac 只能做界面、需要连远程后端。
- 面向智能体的接口是本地 API 与 MCP，加上可复用的配方和监视目录，批量转写、批量配音这类重复活可以交给脚本而不是手点。
- 隐私边界明确：本地流程只用自己的算力，远程服务可选，使用统计必须经过同意才会上报。
💡 金句
Local workflows run on your hardware. Remote services are optional; usage analytics requires consent.
👍 0
👎 0
← 返回 GitHub Trending 首页