VoiceStudio 是一个完全跑在本地电脑上的开源 AI 配音工作室:克隆声音、设计音色、给视频配音、听写转录、做有声书,646 种语言,一台电脑全包——定位就是开源版的 ElevenLabs。AGPL-3.0 许可证,GitHub 实时 114,389 星(本站核对:2026-11-20),本周 GitHub Trending 增速榜前三,最新版 v0.5.8(2026-11-12 发布)。本文安装与功能步骤以官方 README 与发布页为准;本站验证:星数、许可证、版本号与各平台安装包已核对,桌面端未在本机实机运行(无桌面环境),下文如实标注。
能干什么
- 克隆声音:录一段干净的参考音频,生成用这个声音念任何文案的语音。做自己的数字口播、给固定主播配音,都从这里起手。
- 给视频配音/译制:把视频翻成别的语言重新配音,语音按原片时间轴对齐;做跨境带货、把中文口播翻成英文版,不用重新拍。
- 按文字设计音色:用一句话描述想要的声音(比如“温和的女中音,语速偏慢”),直接生成一个新音色,不用找真人录音。
- 听写与转写:悬浮听写小部件随说随记,本地转写会议、采访、课程录音,不上传云端。
- 有声书与批量任务:长文案分段排队生成,一次跑完一章、一本书;支持本地 API、MCP、配方(recipes)与监听文件夹,配好就能自动跑。
- 模型自己选:默认引擎是 OmniVoice(k2-fsa),模型管理器里还有几十种引擎可选,只下载用得到的模型,不用的不占地方。
优缺点
优点:全部功能免费、本地运行、不用账号——这是它相对 ElevenLabs 最大的差别;646 种语言含中文,官方 README 自带简体中文版;Windows、macOS、Linux、安卓与 Docker 全平台都有安装包;一次装好,克隆、配音、转写、有声书全在一处,不用在四五个工具之间倒文件。
缺点与边界:AGPL-3.0 是强传染许可证——自己用没问题,拿它改完做成闭源产品卖、或给客户做商业配音,要么遵守 AGPL 开源义务,要么买 Pro 商业许可;首次使用要下载模型,体积不小,低配电脑、纯 CPU 跑大模型会慢;克隆声音是高风险能力,只克隆自己或已拿到授权的声音,拿别人声音做配音可能侵权;云端 API 还在早期接入阶段,现在主打的还是本地桌面版。
下载与安装
- Windows:去官网 voicestudio.sh 或 GitHub Releases 下安装包;也可以 PowerShell 一行装:
irm https://voicestudio.sh/install.ps1 | iex。要求 Windows 10/11 x64,NVIDIA 显卡走 CUDA,没有显卡也能 CPU 跑。 - macOS:Apple Silicon 机型用 Homebrew:
brew tap debpalash/tap,再brew install --cask debpalash/tap/voicestudio;或直接下 DMG 拖进应用程序。需要 macOS 13.3 以上,本地引擎走 Metal 加速。装完第一次打开若提示“已损坏无法打开”,那是 Gatekeeper 拦截,按官方 Gatekeeper 修复指南处理,不是安装包坏了。 - Linux:Ubuntu / Debian 下 .deb 包用
sudo apt install ./VoiceStudio-*-linux-x64.deb;各发行版通用 AppImage 下载后chmod +x直接运行;或sudo snap install voicestudio,再sudo snap connect voicestudio:audio-record开麦克风权限。 - Docker(跑在服务器上):
docker run -d --name omnivoice -p 127.0.0.1:3900:3900 -e OMNIVOICE_API_KEY=<自己设一个> ghcr.io/debpalash/voicestudio:stable,打开http://localhost:3900,用打印出的 API key 登录。有 NVIDIA 显卡可换 CUDA 镜像。 - 装完先做两件事:一是进模型管理器,只下载你要用的引擎和模型(默认 OmniVoice 就够起步);二是准备一段 10 秒以上的干净参考音频——无背景音乐、无杂音,这是克隆效果的第一道关。
- 国内网络:官网与 GitHub Releases 直连通常能下,慢的话走镜像站或代理下载安装包;模型文件首次下载体积较大,建议在网络稳定的时候一次性下完。工具本身不解决网络问题,下载通道要自己准备。
调用与使用
- 第一次克隆自己的声音:进克隆工作区,上传一段自己干净念稿的录音(10 秒以上效果更好),起名保存——以后所有配音都能选这个音色。
- 给一段文案配音:粘贴文案、选音色、点生成,试听满意再导出 WAV/MP3;语速、停顿、情绪在生成面板里调,改一处只重生成那一段。
- 给视频配外语音:进配音工作区,导入原视频,先转写出原文时间轴,再翻成目标语言、选音色生成,最后导出已对齐的新音轨视频。
- 录音转文字:把会议录音拖进转写区,选语言(中文直接选 zh),本地跑完出带时间戳的文本;悬浮听写适合边开会边记。
- 做有声书:把长文按章节拆成多个任务排队,一次提交批量生成,生成完按顺序导出拼接。
- 接进自动化:本地 API、MCP 与监听文件夹都已内置——把文案丢进监听文件夹,配好的配方会自动生成语音,适合固定栏目批量出配音。
调教成自己的
- 先攒自己的音色库:主播、老板、客服各录一段干净参考音,分开起名保存;以后每条配音只换文案不换音色,账号声音先统一起来。
- 配方存成模板:把“语速、停顿、音色、导出格式”这套固定搭配存成配方;新品上架、每周口播只换文案走同一条配方,出片速度按倍数涨。
- 转写当素材库:采访与会议录音转写后别删,攒成文字库;写稿、找金句、做选题都从库里翻,配音与文案用同一批真话。
- 按用途分引擎:短视频口播用默认 OmniVoice 够快够稳;有声书、长文案再试别的引擎比音质;别一上来全下载,模型越多越占地方。
- 多语言是加分项不是起点:先把中文配音跑顺,再开英文翻配;翻配之前先把中文稿改成口语短句,机器翻配出来的英文才不像念稿。
玩法:自媒体创作者的一支口播配音流水线
模拟一位做 AI 资讯口播的半小白创作者:每周三更,真人录音总要重录三四遍,嗓子累、时间碎。他的打法:
- 周末录一次 30 秒干净参考音,存成自己的固定音色——以后再也不用每条现录。
- 写稿只写口播稿:短句、口语、有停顿标记;稿子写完直接粘进 VoiceStudio 选音色生成。
- 试听只听三处:有没有读错的词、有没有断句别扭、有没有语气太平;改文案不改音色,改完只重生成那一段。
- 音频与画面分开走:配音导出后丢进剪辑软件配画面,声音稳定之后,剪辑节奏反而更好控。
- 攒成固定栏目配方:同一音色、同一语速、同一导出格式,每期只换稿子——观众先记住声音,再记住账号。
玩法:电商卖家的多语言商品讲解配音
再模拟一位卖家居小电器的电商卖家:同一款产品要出中文口播、还要英文版挂跨境店。他的打法:先录中文参考音克隆出自己的讲解音色;中文稿生成中文配音挂国内平台;同一份稿子翻成英文,用同一音色生成英文版——两个市场听到的是同一个人;视频配音工作区按原片时间轴对齐,产品演示画面与英文解说一一对应;每周上新只换稿子与产品名,配音环节从半天压缩到半小时。
避坑指南
- 参考音频别凑合:有背景音乐、有回声、有杂音的录音,克隆出来全是毛病;重新录一段安静环境、离麦克风近一点的 10 秒以上干净音频,比任何参数都管用。
- 模型别全下载:模型管理器里几十种引擎,别图全先下完;先只下默认 OmniVoice,跑顺了再按需加,硬盘与下载时间都省一半。
- 纯 CPU 做好心理准备:没有 NVIDIA 显卡或 Apple Silicon 也能跑,但长文案生成会明显变慢;先从短文案试起,确认速度能接受再接长活。
- 商用先看许可证:自己用、学习、做内容都没问题;要把改过的版本打包卖、或拿克隆音色接客户的商业单,先看 AGPL-3.0 义务或买 Pro 商业许可,别等到接单了才发现合规没过。
- 只克隆有授权的声音:克隆他人声音做配音、冒充他人说话,可能侵权甚至违法;官方文档也专列了“负责任使用”一节,用之前先读一遍。
- Docker 版记得设 key:
OMNIVOICE_API_KEY自己设一个再启动,启动日志会打印出来;端口只绑127.0.0.1,别直接暴露到公网。 - macOS “已损坏”不是包坏了:Gatekeeper 拦截的提示,按官方指南解除即可;从非官方渠道下的安装包才需要警惕。
横向对比:配音这件事,几条路怎么选
云端按量付费(ElevenLabs、豆包配音等):上手最快、音质最稳,按字数或时长计费,适合偶尔用、量不大;缺点是长期用下来费用累积,而且声音与文案都要过云端。本地开源(VoiceStudio、GPT-SoVITS 这类):一次装好无限次用,数据全在自己电脑,适合周更以上的高频配音;代价是第一次安装与模型下载要花时间,电脑配置决定速度。结论:每周只配一两条,云端更省事;每周三更以上、或固定音色长期用,VoiceStudio 这条本地路更划算。两者不冲突——急单走云端,日常走本地。
档案
- 仓库:github.com/debpalash/VoiceStudio;许可证 AGPL-3.0(开源可用,闭源商用受限:二开分发须遵守 AGPL 义务,商业客户单可买 Pro 商业许可);官网 voicestudio.sh。
- 星数 114,389(2026-11-20 实时核对);本周 GitHub Trending 增速榜前三(7 日新增约 35,100 星);最新版 v0.5.8(2026-11-12 发布)。
- 本站验证:星数、许可证、版本号与 v0.5.8 各平台安装包(macOS / Windows / Linux / 安卓 / Docker)已核对;桌面端未在本机实机运行,运行步骤以官方 README 为准。
常见问题
和 ElevenLabs 比差在哪?最大的差别是本地免费、无账号、无按量计费;代价是模型下载与电脑配置要自己扛,云端 API 还在早期阶段。音质上,克隆效果取决于参考音频质量,干净参考音是关键。
中文支持怎么样?646 种语言含中文,官方 README 有简体中文版;克隆中文声音、中文转写都在功能列表里,中文配音先从短文案试起。
没有显卡能用吗?能,CPU 也能跑,但长文案生成会慢;Apple Silicon 走 Metal 加速,NVIDIA 走 CUDA。先短后长,确认速度再接大活。
克隆别人声音可以吗?技术上可以,合规上不行——只克隆自己或已授权的声音;拿他人声音做配音可能侵权,官方文档有专门的负责任使用说明。
商用要付费吗?开源版 AGPL-3.0 下自己用免费;要把改过的版本闭源卖、或拿它接客户商业单,须遵守 AGPL 义务或购买 Pro 商业许可(Pro 另含多设备授权与优先更新)。
国内下载慢怎么办?安装包与模型文件体积都不小,官网与 GitHub Releases 直连通常能下,慢就走镜像或代理;模型建议网络稳定时一次性下完。
搞不定配置怎么办?先确认模型下完了、参考音频够干净——这两处是大多数失败的根源;实在跑不通,可以看本站的部署与配置跑通服务,把跑通这一步交出去。



