VoiceStudio 本地语音工作室

它是什么

VoiceStudio 是一个免费、开源的语音工作室，在你自己的电脑上运行，也能跑在 Docker 里或手机上。README 列出了它的六项工作。它能用一段干净的参考录音克隆声音，也能按一段文字描述设计出一个声音。它能把视频配成其他语言，在任意文本框里听写，转写音频，还能朗读故事和有声书。默认引擎是 k2-fsa 的 OmniVoice，Model Manager 里还有几十个别的引擎。它由 Palash Debnath 创建，一份声明文件说由 Yupcha Softwares Private Limited 维护。README 说它背后没有付费的云服务，应用下载任何模型之前都会先问你。

1. 为你的系统装好应用
2. 第一次启动时，它会建好自己的 Python 环境
3. 你挑一个声音模型并下载
4. 克隆、设计、配音、听写或转写
5. 音频保存在你电脑上应用的文件夹里

适合谁

做旁白、配音或转写稿，又希望音频留在自己电脑上的人。也适合想给智能体配一个本地语音服务器的开发者。

如果你想要一个有账号、什么都不用装的托管服务，可以不用它。另外，默认声音模型的权重只许非商用，拿它做的音频要卖之前，先看清条款。

用在哪里

README 的平台表涵盖桌面电脑、服务器和手机，大多数行都附有制作方的安装指南链接。

• Windows 10 和 11，x64 架构，使用 NVIDIA CUDA 或 CPU。Windows on ARM 标为实验性
• Apple Silicon 上的 macOS，使用 Metal。Intel Mac 上只有应用界面能用
• x86_64 上的 Linux：AppImage、.deb、Snap Store、一个 AUR 包和一个社区维护的 Nix flake
• Docker：没有图形界面的后端，网页在 localhost:3900
• Android 10 和 iOS 17 及以上：在手机上运行模型的预览版应用
• 智能体和自动化：一个 MCP 服务器和一个 OpenAI 兼容的语音 API

如何设置

点“获取”会把一个 zip 压缩包存进你的下载文件夹，里面是 Mindket 写的安装说明，依据制作方的安装指南，每个平台一个文件。

1. 运行适合你系统的安装命令。在 Windows 上要用普通的 PowerShell，不要用管理员身份打开的。
2. 打开 VoiceStudio，点 Install local runtime。它会先检查可用磁盘空间。
3. 走完首次启动的四步：System check、Model packs、Privacy 和 Enter studio。模型只在你点击时才下载。
4. 打开 Voice cloning，选一个声音或加入一段干净的参考录音，输入文字后生成。

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

irm https://voicestudio.sh/install.ps1 | iex

如果 macOS 提示应用已损坏，下载的文件其实没问题。指南说发布版没有经过公证，下面这行命令会清除隔离标记。

xattr -dr com.apple.quarantine "/Applications/VoiceStudio.app"

Docker 提供的是网页，不是桌面应用。先生成一个 API 密钥。指南说第一次运行会下载约 2.4 GB 的权重。

export OMNIVOICE_API_KEY="$(python3 -c 'import secrets; print(secrets.token_urlsafe(32))')"

docker run -d --name omnivoice \
  -p 127.0.0.1:3900:3900 \
  -e OMNIVOICE_API_KEY="$OMNIVOICE_API_KEY" \
  -v omnivoice-data:/app/omnivoice_data \
  ghcr.io/debpalash/voicestudio:stable

如何使用

每项工作在侧边栏里都有自己的页面。选好工作，给它输入，再点生成。

脚本或智能体可以通过 3900 端口和后端通信。它用的是 OpenAI 风格的 API，本机回环地址发来的请求不需要密钥。同一个后端上还有一个 MCP 服务器，地址是 http://localhost:3900/mcp/ 。应用会导出给 Claude Code、Cursor 和 Codex CLI 用的现成配置。制作方给出的请求和配置文本，都附在工具包的安装说明里。

示例

你想用自己的声音录一段简短的旁白，手上有一段自己的干净录音。

Voice cloning, reference recording: my-voice.wav (about 10 seconds, one speaker)
Text: Welcome back. Today we walk through the new pricing page.

应用会保存一段简短的音频，用的声音力求接近你的录音。默认引擎输出 24 kHz 单声道音频。一个隐形的 AudioSeal 水印默认开启，会把它标记为 AI 生成。这一条会进入生成历史，Settings、Privacy 里可以设置保留多少条。

新手与专家

新手：克隆引擎模仿的是一段短录音的音色，所以录音的质量很要紧。只录一个人说话，找安静的房间。先用应用自带的演示声音，再试自己的声音。第一次就得到干净的结果，说明安装没问题，剩下要看的只有你自己的录音。没有 GPU 时，Windows 指南建议用 KittenTTS、Supertonic-3 或 PocketTTS 这类轻量引擎，再配一个小的 Whisper 模型。配音先放一放。它把转写、翻译和语音合成串在一起，应用会让你先审过译文，才开始生成。

专家：应用底下是一个 FastAPI 后端，可选的引擎远不止默认那一个。

• 引擎：OMNIVOICE_TTS_BACKEND 和 OMNIVOICE_ASR_BACKEND 可以固定用某一个。指南里的引擎从轻量的 CPU 引擎一直到 8B 模型
• 设备：OMNIVOICE_DEVICE 固定使用的设备，OMNIVOICE_TORCH_VARIANT=cuda、cpu 或 rocm 会覆盖 PyTorch 的版本
• 存储：OMNIVOICE_ENGINES_DIR 和 OMNIVOICE_DATA_DIR 可以把引擎和数据移出系统盘。IndexTTS 2.5 这类旁挂引擎有自己的 Python 环境，可能多占好几 GB

注意事项

AGPL 管的是应用，不管声音模型。克隆和联网各有各的限制。

• 模型许可：声明文件说，默认的 k2-fsa/OmniVoice 模型卡把代码列为 Apache-2.0，把预训练权重列为 CC-BY-NC。它的音频分词器另附 Boson Higgs Audio 2 和 Meta Llama 的社区条款。其他引擎的条款在 Model Manager 里各自列出，制作方的清单里没有一个模型被标为可以商用。网站还说，买了 Pro 也不会改变模型的条款
• 克隆真人的声音：README 说“只有得到声音主人的许可，才能克隆这个声音”。应用可以在声音档案上录一段口头同意声明，但它自己的文字说，这项核验只在智能体功能和社区分享时要求，本地合成“从不要求”。没有什么能拦住本地克隆。取得许可是你自己的事，各地关于声音肖像的法律也不一样
• 水印：一个隐形的 AudioSeal 水印会把新生成的音频标记为 AI 生成。它默认开启，开关在 Settings、Privacy 里。制作方的隐私说明说，如果水印模型加载失败，音频照样生成，只是不带水印
• 用大白话说 AGPL-3.0：你可以使用、复制、修改和再分发这个应用，商用也可以。如果你改了它，并让别人通过网络使用你的版本，就必须按同一许可证向他们提供完整的源代码
• 网络：安装命令会连到 voicestudio.sh，安装程序和更新检查会连到 GitHub，安装过程会下载 Python 包。权重来自 Hugging Face，自动检测发现镜像更快时，则来自 hf-mirror.com。制作方说更新程序不带遥测，产品分析默认关闭，要在首次启动的提示里同意才会开启
• 翻译：Argos 和 NLLB 随每个版本附带，可以离线翻译。Google、DeepL、MyMemory 和 Microsoft 会把文字发到网上，还需要一个额外的包。按指南的说法，只有从源码安装才能加上这个包。LLM 引擎可以指向托管服务，也可以指向本地的 Ollama 或 LM Studio 模型
• 限制：Intel Mac 只能运行界面，Windows on ARM 是实验性的，只能用 CPU，手机应用是预览版。README 说的 646 种语言是它自己的说法，网站也说各引擎支持的语言不一样
• Pro：制作方网站还列出一个付费、闭源的 Pro 方案，带商用许可。这个工具包只讲免费的应用
• 名字陷阱：PyPI 上有一个叫 voicestudio 的包，但那是另一个项目。请用上面的命令安装这一个，不要用 pip
• 许可证：AGPL-3.0-only

如果你在 macOS 或 Linux 上用的是安装脚本，先退出应用，再运行下面这行命令卸载。你的数据会一直保留，直到你用 Settings、Storage、Remove all data 删除它。

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