VoiceStudio：在本地完成语音生成、克隆与视频配音
一分钟看懂
VoiceStudio 是一款本地优先的开源语音工作台，整合文本转语音、语音识别、声音克隆、视频配音、听写、转写和有声书制作。桌面端支持 macOS、Windows、Linux，也提供 Docker 和本地 API。
你可以用它做什么
- 用样本声音生成语音或设计新声音。
- 为视频转写、翻译并生成配音。
- 进行听写、批量语音生成和长篇有声内容制作。
- 通过 OpenAI 兼容音频 API、REST、SSE、WebSocket 或 MCP 接入其他工具。
主要能力
- 可切换多种 TTS 与 ASR 引擎，实际语言覆盖和质量取决于所选引擎。
- 默认把声音、项目、设置和输出保存在本机。
- 支持 CUDA、Apple Silicon、Linux ROCm、CPU 和远程工作节点。
- 提供预构建桌面包与源码开发方式。
适合哪些人
适合内容创作者、配音与本地化团队、无障碍工具开发者，以及希望避免按量云 API、需要本地处理语音数据的个人和团队。
怎么开始使用
从官方 Releases 下载对应平台安装包。首次启动会创建 Python 环境并下载默认模型；开发者也可安装 Bun 后运行 bun install 与 bun run desktop。不同平台和加速后端应按官方安装文档配置。
使用前需要知道
项目 README 标注为 active beta，主分支可能频繁变化。应用采用 AGPL-3.0，下载模型仍受各自上游条款约束。不同引擎的磁盘、内存和显存需求差异明显。克隆或合成他人声音前必须取得授权，并遵守肖像、隐私、版权和当地法律。