[Github] VoiceStudio – 本地运行的开源 AI 配音工作室

Github发现2026-11-18发布 WarpEdit
309 0 0

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。

以橙色声波和音频片段表现 VoiceStudio 本地 AI 配音工作室

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。

VoiceStudio 官方声音克隆工作区,左栏选择示例声音,中间输入脚本,右栏可播放参考音频
VoiceStudio 官方示例。左栏选声音,中间写稿,右栏可回听参考音频。

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。
VoiceStudio 官方视频配音工作区,左栏设置目标语言,右侧对照原声和配音波形
官方视频配音示例中,左栏设目标语言,右侧可以同步播放原声和译配音轨。

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

© 版权声明

相关文章

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...