配音这事现在卡在两头的尴尬里：商业语音服务按字符收费，克隆自己的声音还要过审上传身份证；本地开源方案又散落各处，TTS、克隆、转录、对齐各是各的项目，命令行加 Python 环境，普通人装三天就放弃。想给视频配个自己的声音，或者把一本小说转成有声书，没有一个顺手的工具。

VoiceStudio 把这条流水线打包成了一个桌面应用：开源、完全本地运行的语音工作台，覆盖语音克隆、声音设计、视频配音、听写、转录和有声书制作，支持 646 种语言。GitHub 上 8.9 万多 Star，是近期增长最快的语音类项目。

项目基本信息

信息项详情
项目名称VoiceStudio
GitHub地址https://github.com/debpalash/VoiceStudio
项目描述完全本地运行的开源语音克隆配音转录一体化工作台
作者debpalash
开源协议GNU Affero General Public License v3.0
开源状态公开状态
LanguagesPython / TypeScript
支持平台Windows / macOS / Linux
最后更新2026-10-27

一、项目介绍

VoiceStudio 默认引擎是 k2-fsa/OmniVoice，也可以切换其他引擎。四个核心工作区覆盖完整链路：声音克隆工作区上传或录制干净的参考音频，输入文字即可生成同音色的语音；声音设计工作区用文字描述想要的声音特征从头造一个音色；视频配音工作区按时间轴把语音铺进视频；模型管理工作区负责本地语音模型的安装与管理。

生产侧同样齐备：悬浮小组件做实时听写，批处理任务跑长篇内容，故事与有声书模式自动分章连播。对智能体生态的适配是亮点——本地 API 和 MCP 服务器开箱即用，Claude Code 等编码智能体可以直接驱动它做语音任务，还有可复用的配方和监视文件夹自动化。

隐私模型很明确：本地工作流跑在你自己的硬件上，远程服务可选，使用分析需用户同意。

二、核心优势

第一，真正本地。声音数据不出机器，克隆、合成、转录全链路离线可用，无订阅无按字计费。

第二，硬件宽容度大。NVIDIA 显卡走 CUDA 加速，Apple Silicon 走 Metal，无独显的老机器用 CPU 也能跑（安装约 5GB 的 CPU 版 PyTorch），Windows 上的 AMD 显卡还有可选的 ROCm 支持。

第三，跨端覆盖广。macOS、Windows、Linux 桌面端之外，Android 和 iPhone 有预览版，模型下载到手机后可离线运行。

第四，智能体就绪。本地 API 加 MCP 让语音能力可以被任何编码智能体编排，批量配音、自动化转录用一句话触发。

三、适用场景

第一类是视频创作者：给自己的视频配自己的声音，或者用设计的音色做多角色配音，不用再按分钟给平台交钱。

第二类是有声内容生产：小说、博客、课程转有声书，批处理加分章模式专治长内容。

第三类是开发者的语音基础设施：本地 API 加 MCP 把转录和合成嵌进自己的应用或自动化流程，数据不出域。

四、安装教程

macOS 和 Linux 一条命令装最新桌面版：

curl -fsSL https://voicestudio.sh/install | sh

Windows 在 PowerShell 里执行：

irm https://voicestudio.sh/install | iex

安装脚本会保留已有设置、项目和模型。也可以到 Releases 页直接下载：macOS 的 .dmg、Windows 的 .exe、Linux 的 .AppImage 或 .deb，Linux 还支持 sudo snap install voicestudio。

常见报错：安装脚本 404 或超时，改用仓库直连地址 https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh；Intel Mac 只支持界面加远程后端；Windows ARM 设备目前是实验性支持，CPU 模式运行；首次生成语音时会提示下载模型，按提示装即可。

五、使用示例

打开「声音克隆」工作区，添加一段干净的参考录音（几十秒无噪音的人声即可），输入文本：

大家好，欢迎来到本期教程，今天我们讲环境搭建。

点生成，几秒后得到与参考音色一致的语音，可直接试听和导出。做视频配音则切到配音工作区，导入视频，逐段粘贴台词，语音自动对齐时间轴。开发者走 API 路线时，启动本地服务后向 API 发送文本与音色参数即可拿回音频文件；接了 MCP 的 Claude Code 会话里直接说「把这篇 README 转成播客音频」，智能体会调用工具完成转换。

六、常见问题

克隆声音有合规要求吗？请只克隆自己或已获明确授权的声音，滥用声音克隆可能违反当地法律。

没有显卡能用吗？能，CPU 模式完整可用，只是速度慢；安装器会自动装 CPU 版依赖。

支持中文吗？引擎标称支持 646 种语言，中文合成与转录均在支持之列。

七、总结

VoiceStudio 把散落的本地语音技术整合成了一个普通人装完就能用的桌面应用，隐私、成本、功能覆盖三个维度都打在了痛点上。AGPL-3.0 协议对个人使用毫无影响，做视频、做有声书的用户值得马上装一个试试。