WeChat
ai-toolsdev-tools
Original source

VoiceStudio — 一人開發的開源語音全家桶，ElevenLabs 完整平替

Summary

VoiceStudio 是一個開源語音工作站，由開發者 debpalash 一人主力完成（1564 次提交，35 個 release），定位為 ElevenLabs 的本地完整平替。

核心數據：

  • 14 個 TTS 引擎（CosyVoice 3、GPT-SoVITS、VoxCPM2、MOSS-TTS-Nano 等）
  • 11 個 ASR 引擎（WhisperX、Faster-Whisper、FunASR 等）
  • 646 種語言（ElevenLabs 僅 32 種）
  • 完全本地運行，數據不離開電腦

主要功能：

  • 3 秒零樣本語音克隆，導出為 .ovsvoice 便攜格式
  • 視頻配音流水線：轉錄→翻譯→合成→混流→輸出 MP4（批量處理）
  • 有聲書製作：EPUB/PDF 自動分章節、多角色配音
  • 多角色故事編輯器（播客創作適用）
  • 全局聽寫快捷鍵（對標 WisprFlow，免費）
  • MCP 服務器（Claude Code/Cursor 可直接調用）
  • OpenAI 兼容 API — 改一行 base_url 即可替換

技術棧：

  • Rust Shell (Tauri) + FastAPI 後端 + React 前端
  • 支持 CUDA / MPS (Apple) / ROCm (AMD) / CPU
  • 智能路由：自動檢查 GPU 型號，分配最適合的引擎
  • AI 水印：Meta AudioSeal 技術，抗壓縮轉碼
  • AGPL-3.0 開源，可免費商用

亮點： 無 GPU 也能用（Kokoro 引擎 82M 參數 CPU 流暢），<8GB 顯存自動卸載模型到 CPU。