VoiceStudio 是一个在自己电脑上运行的开源 AI 语音工作室,能克隆声音、按文字描述设计音色、给视频翻译配音,也能做听写、转写和有声书。开源桌面版无需注册,下载所需模型后,使用本地引擎处理音频就不用上传素材。它的应用代码采用 AGPL-3.0,默认 OmniVoice 模型的预训练权重采用 CC-BY-NC。准备用生成的语音接商单,得先为项目选好模型,核对对应权重、输出和音色的授权。

它能做什么
按 README 的功能分组,换成具体任务来看:
| 你想做的事 | 给它什么 | 得到什么 |
|---|---|---|
| 声音克隆 | 一段干净的参考录音 + 要念的文字 | 用这个声音念出来的语音 |
| 声音设计 | 用文字描述想要的声音(年龄、语气、音色) | 一个新生成的声音 |
| 视频配音 | 一段视频 + 目标语言 | 翻译后、和原片时间对齐的配音 |
| 听写与转写 | 麦克风输入或音视频文件 | 本地识别出的文字,有悬浮听写小窗 |
| 有声书与批量任务 | 长文本、故事稿,或一批排队的文件 | 分段生成的长音频 |
| 接进自己的工作流 | 本地 API、MCP、监视文件夹 | 放进文件夹自动处理,或让 AI 助手调用 |
默认引擎叫 VoiceStudio,底层是 k2-fsa 的 OmniVoice 模型;在模型管理器里还能换成其他几十种引擎,只下载自己要用的模型。项目页面列出 646 种语言,具体支持范围取决于所用模型。要给小语种或方言配音,先用短句试听发音和语气。仓库提供简体中文 README。

我的电脑跑得动吗
| 系统 | 官方支持情况 | 要注意的 |
|---|---|---|
| macOS(Apple Silicon) | 稳定版,macOS 13.3 及以上,用 Metal 加速 | 当前正式版 DMG 已签名并通过 Apple 公证。若系统提示“已损坏”,先从发布页重新下载对应架构的安装包并核对完整性 |
| macOS(Intel) | 只能跑界面 | 需要连到另一台电脑上的 VoiceStudio 后端 |
| Windows 10 / 11 x64 | 稳定版,支持 NVIDIA CUDA 和 CPU。部分 AMD 设备可按文档启用实验性 ROCm | 建议预留约 10 GB 磁盘空间,用于应用、Python 环境和模型。首次设置需联网下载所需组件 |
| Windows on ARM | 实验性 | 后端在模拟层下只用 CPU,没有 GPU 加速 |
| Linux x64 | 稳定版,支持 NVIDIA CUDA、CPU,部分引擎支持 Vulkan | 提供 deb、AppImage、Snap、AUR、Nix |
用独显跑默认 OmniVoice 引擎,项目文档建议显存至少 6 GB。显存较小或使用受支持的 AMD、Intel 显卡,可以试试 OmniVoice GGUF。文档给 1~4 GB 显存档推荐 Q4_K_M,显存估算约 659 MB,实际占用随任务和运行环境变化。没有可用的 GPU 也能选 CPU,生成速度通常更慢。Apple Silicon 用统一内存,按所用引擎的 macOS 支持说明选择。
免费到底能用到哪一步
这是最容易误读的地方。先看应用代码,再查选中的模型和要用的声音:
- 应用代码:AGPL-3.0。应用可以免费商用,修改和再分发须遵守许可条款。分发编译版要按 AGPL 提供对应源码。修改后以服务形式运行时,要让通过网络使用修改版的人能取得完整的对应源码。
- 默认模型权重:OmniVoice 的模型卡写明,代码是 Apache 2.0,预训练模型权重是 CC-BY-NC(非商业),原因是训练数据的限制。VoiceStudio 自己也在许可说明里强调,模型权重不随应用重新授权,它也没有对任何模型给出商用许可认定。
- 其他引擎:模型管理器会列出许可信息。用于客户项目之前,按所选引擎的具体版本核对权重、生成内容的用途,以及参考录音或预置音色的使用权。标为“未知”的条款需继续查上游说明。
放到具体场景里:
| 你的用法 | 应用许可 | 默认模型 | 建议 |
|---|---|---|---|
| 个人学习、自己听的有声书 | 可以 | 非商业用途,可以 | 直接用 |
| 给有收益的视频频道配音、接客户配音单 | 可以 | 超出 CC-BY-NC 的范围,有许可风险 | 选择允许该商业用途的模型,并核对输出和音色许可 |
| 改代码后做成在线服务给别人用 | 按 AGPL 向远程使用者提供对应源码 | 商用受限 | 若打算以专有条款提供服务,向项目方确认授权范围 |
| 把应用代码并入闭源产品一并分发 | 向项目方洽谈覆盖该集成方式的专有许可 | 仍按模型的独立条款 | 分别确认应用集成、模型和素材的授权 |
截至 2026 年 11 月 18 日,VoiceStudio Pro 的首发价为每人每年 99 美元(标价 199 美元),Lifetime 为每人一次性 199 美元(标价 499 美元)。两档均限 1 人,最多 3 台设备同时使用,有 7 天全额退款期。付费版需要账号,包含应用商业许可、多设备使用和把任务发到自己的其他 GPU 等功能。批量队列和监视文件夹已列在开源版功能里。付费后,模型权重、输出和音色依然遵循各自的条款。VoiceStudio Cloud 则是独立的托管 API,官网标注为 Early Access,登录后可申请邀请。
和 ElevenLabs 怎么选
ElevenLabs 可以直接在网页上用。符合平台条款、具备素材权利且使用正式功能时,付费套餐包含相应的商用许可。VoiceStudio 开源桌面版靠自己的电脑运行,选用本地引擎时素材留在本机,也没有按字数或时长收取的平台费用。电脑性能和模型许可都得自己把关。
- 偶尔配一两段、电脑一般、要明确商用授权:ElevenLabs 省事。
- 经常生成语音、希望素材留在自己电脑上,且已有合适的模型和设备,可以用 VoiceStudio 的本地引擎。
- 只是想给剪辑好的视频加个现成配音,剪映 / CapCut 自带的朗读功能可能就够了。

站内之前介绍过的 Handy 只做离线语音输入,VoiceStudio 的听写是顺带功能,主要还是生成语音;想把配音接进自动剪辑流程,可以看看 OpenMontage。
只克隆你有权使用的声音
VoiceStudio 的 README 要求先取得声音所有者许可,明确禁止未经授权的克隆、冒充和诈骗。替他人配音前,确认对方同意使用的范围,并留存授权。用国内网络内容平台发布 AI 生成的配音时,按《人工智能生成合成内容标识办法》第十条主动声明,并使用平台提供的标识功能。
安装从哪下手
可以从 GitHub 正式发布页 下载对应系统和架构的安装包。Windows 选 EXE(v0.5.8 的 Windows 安装包未签名),Linux 选 deb 或 AppImage。macOS 可选 DMG,也可以按官方 macOS 指南检查并添加 Homebrew tap 后安装(brew install --cask debpalash/tap/voicestudio)。签名状态以该版本发布页的下载表为准。
截至 2026 年 11 月 18 日,最新正式版是 11 月 12 日发布的 v0.5.8,最新预览版是 11 月 16 日的 v0.5.9-beta.5。第一次安装可以先用正式版。核对当天,GitHub 仓库约有 11.3 万 Star、1.26 万 Fork。
项目地址:github.com/debpalash/VoiceStudio
资料来源
- VoiceStudio 仓库与 README(功能、平台支持、仓库统计)
- VoiceStudio 许可说明(应用、模型权重和第三方资产)
- VoiceStudio 仓库所附 AGPL-3.0 全文(第 6 节和第 13 节)
- 官方 macOS 安装指南
- 官方 Windows 安装指南
- 官方 OmniVoice GGUF 文档(显存与量化档位)
- GitHub Releases(版本、安装包和签名状态)
- Apple 支持《在 Mac 上安全地打开 App》:https://support.apple.com/zh-cn/102445
- OmniVoice 模型卡(代码与预训练权重的许可):https://huggingface.co/k2-fsa/OmniVoice#license
- VoiceStudio Pro 价格与功能:https://voicestudio.sh/pro
- VoiceStudio Cloud 早期体验:https://voicestudio.sh/cloud
- ElevenLabs 官方商用说明:https://elevenlabs.io/docs/help-center/legal/can-i-publish-the-content-i-generate-on-the-platform
- 中国网信网《人工智能生成合成内容标识办法》:https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm