VoiceStudio

项目概述

VoiceStudio（曾用名 OmniVoice-Studio）是一款完全本地运行的开源AI语音工作室，支持语音克隆、语音设计、视频配音、听写、转录和有声书创作，支持646种语言。它提供16种TTS引擎、11种ASR引擎，支持macOS、Windows、Linux和Docker，无需账号、API密钥或订阅。

主要功能

• 语音克隆与设计
• 视频配音
• 听写与转录
• 故事、有声书和批量生成
• 646种语言支持（实际覆盖率和质量取决于所选引擎）
• 16种TTS引擎 · 11种ASR引擎
• 支持CUDA、Apple Silicon MPS/MLX、ROCm on Linux、CPU，可选远程工作节点
• 提供桌面应用、本地REST/SSE/WebSocket API、OpenAI兼容音频API和MCP服务器

适用人群

• 内容创作者和视频制作者
• 需要语音合成和克隆功能的开发者
• 注重隐私、希望本地运行AI语音工具的用户

快速上手

1. 从最新Release下载对应平台的安装包
2. macOS 13.3+（Apple Silicon）下载DMG；Windows 10/11下载MSI；Linux下载AppImage（需要glibc 2.39+）
3. 也可通过Docker运行（支持CUDA、ROCm、CPU和仅工作节点GPU配置文件）
4. 首次启动会创建托管的Python环境并下载默认模型，后续启动会复用
5. 打开应用，进入“Voice Cloning”，添加清晰的语音样本（3秒即可，5-15秒效果更佳）

核心优势

• 完全本地运行，数据不上传
• 无需账号、API密钥或订阅
• 支持646种语言
• 提供桌面应用和多协议API
• AGPL-3.0许可

系统要求

• 操作系统：macOS 13.3+（Apple Silicon）、Windows 10/11 x64、Linux x86_64（glibc 2.39+）
• 额外依赖：Intel Mac无法运行本地Python后端，需使用远程后端