VoiceStudio 是什么?
VoiceStudio 是在您自己电脑上运行的语音工作桌面工作室:根据短样本克隆声音、根据描述设计声音、为视频配音、转写、听写,并把脚本或 EPUB 文件变成有声书。 官网称其为无需账号、免费且开源的 ElevenLabs 替代品(免费的是核心应用,另有付费 Pro 版),其结构化数据中还列出名称“OmniVoice Studio”。
README 指明 k2-fsa/OmniVoice 为默认引擎,并称 Model Manager 提供数十种其他引擎,语音识别使用 whisper.cpp。 官网和 README 声称支持 646 种语言,但没有按引擎的明细,因此该数字应视为开发者的说法。
获取方式
VoiceStudio 在 macOS、Windows 和 Linux 上像普通应用一样安装,无需终端,README 还提到 Homebrew、一行命令安装器、Snap、AUR 和 Docker。
选项 | 获取方式 |
|---|---|
| macOS | Apple 芯片版 .dmg(另有受限的 Intel 版本)或 Homebrew cask:GitHub Releases |
| Windows | x64 安装程序 .exe(ARM 为实验性)或 PowerShell 一行命令:GitHub Releases |
| Linux | x64 版 .deb 或 AppImage,另有 Snap 和 AUR:GitHub Releases |
| Docker | 镜像 ghcr.io/debpalash/voicestudio:stable,端口 3900:README |
| Android 与 iOS | APK 和未签名的 IPA,标注为预览:GitHub Releases |
| 官网 | voicestudio.sh |
| 隐私政策 | voicestudio.sh/privacy |
| 源代码 | github.com/debpalash/VoiceStudio,AGPL-3.0 许可证 |
评测版本:0.5.8,据 GitHub 发布页面,这是最新稳定版,发布于 2026年11月12日。最新标签是 2026年11月18日的预发布版 0.5.9-beta.6,最新提交也在 2026年11月18日。GitHub 只是这些安装程序的分发渠道,模型需另行下载。
运行要求
据官网所述,约 8 GB 内存即可开始使用,GPU 可选但更快;README 未给出最低显存要求。
操作系统
- 来源所述:
- 稳定版支持 macOS 13.3+ 的 Apple 芯片(Intel Mac 仅限远程后端)、Windows 10/11 x64 和 Linux x64;Windows on ARM 为实验性
加速
- 来源所述:
- Mac 使用 Metal,Windows 使用 NVIDIA CUDA 或可选的 AMD ROCm,Linux 使用 CUDA、CPU 或 Vulkan;也可在 CPU 上运行,只是更慢
内存与 VRAM
- 来源所述:
- 据官网,约 8 GB 内存即可开始;README 未给出显存数字,并指向单独的性能指南
模型
- 来源所述:
- 通过应用内的 Model Manager 下载;每个模型显示各自的许可证
移动端
- 来源所述:
- Android 10+ 和 iOS 17+ 标注为预览;iOS 需要侧载
互联网
- 来源所述:
- 下载模型和检查更新时需要;据官网,免费应用仅在您提出请求时联网
PromptQuorum 没有核实哪些模型可在哪种后端上运行,也没有核实特定模型需要多少内存。
来源已证实的功能
以下各项均来自官网或 README,均未经独立测试。
- 克隆与设计。 用约三秒清晰音频创建声音,或在没有录音的情况下根据性别、年龄、口音、音高和情绪设计声音;已保存的声音可复用。
- 配音。 转写、翻译并重新配音视频,同时保持每位说话人分离并与原始节奏对齐,另有多说话人配音和配音导出指南。
- 朗读。 把长脚本或 EPUB 变成由克隆、设计或预设声音朗读的分章节有声书,并可为故事中的角色分配声音。
- 听写与转写。 带本地识别引擎和可搜索历史的浮动听写小组件,以及来自音频或视频的可编辑转写稿。
- 自动化。 有文档的本地 API(音频、声音、配音、任务、MCP 等)、CLI、可复用配方、监视文件夹和排队的批量任务。
- 语言。 官网本身提供十二种语言,并声称支持 646 种语言的语音。
费用与许可证
桌面应用在 AGPL-3.0 下免费开源,另有单独的闭源版本 VoiceStudio Pro 提供付费商业许可证;我们阅读的页面未显示价格。
免费应用
- 来源所述:
- AGPL-3.0,无需账号;模型权重、声音和输出各有许可证,按模型显示
VoiceStudio Pro
- 来源所述:
- 面向团队的付费商业许可证和额外功能,7 天免费试用,7 天退款,不自动续费;未显示价格
云端
- 来源所述:
- 标为抢先体验,无定价
商业用途
- 来源所述:
- 官网向需要商业条款的团队提供 Pro;确切范围在我们阅读的页面中没有逐项说明
AGPL-3.0 的义务取决于您如何使用或分发软件,此处不作概括;商业使用前请咨询律师。
数据流向与隐私
据官网所述,免费应用无需账号或云端,仅在您提出请求时联网,例如检查更新或下载模型,README 将其描述为完全本地的工具。 隐私页面称,免费桌面应用在本地处理数据,仅在更新或模型请求时,或您使用基于网络的适配器时才访问网络。
同一页面称,Pro 桌面应用需要账号,会发送记录您 IP 地址和国家的许可证检查,并向第三方分析服务发送使用和错误遥测,而该页面称这一遥测无法关闭。页面还说明公共网站使用无 Cookie 分析和 Cloudflare 托管。
📌注: 这些是开发者的声明,不是审计结果。PromptQuorum 没有阅读代码,也没有检查该应用的网络流量。
声音克隆、同意与模型许可证
克隆只需要一段短样本,而开发者自己的规则要求获得声音所有者的许可,并禁止冒充和欺诈,因此获得同意是您的责任。
- 同意与法律。 克隆声音是否合法取决于当事人、目的和所在国家;本评测不构成法律意见,PromptQuorum 没有评估任何司法辖区。
- 模型许可证各不相同。 README 称模型权重、声音和输出各有许可证,在 Model Manager 中按模型显示;AGPL-3.0 适用于应用本身,不适用于这些权重。
- 适用法律。 条款称其受印度法律管辖,由特里普拉邦阿加尔塔拉的法院管辖;未给出公司名称或地址。
⚠️警告: 未经声音所有者同意,请勿克隆其声音。未经许可克隆他人声音,可能侵犯人格权和数据保护方面的权利,并且视用途可能产生对合成音频的标识义务。请先取得同意;本文不构成法律意见。
我们未能核实的内容
- 输出质量与速度。 PromptQuorum 没有试听克隆的声音,没有检查配音准确度,也没有对任何模型的生成速度计时。
- 语言覆盖。 646 种语言是没有按引擎明细的开发者说法,我们没有测试任何语言。
- 免费版与 Pro 版。 页面称 Pro 提供额外功能和商业许可证,但我们没有找到逐项功能清单或价格。
- 发布稳定性。 预发布版每周发布多次,因此稳定版 0.5.8 可能与最新测试版不同。
- 安装程序签名。 没有核查 macOS 和 Windows 安装程序是否经过公证或代码签名。
竞品与替代方案
Voicebox
- 平台:
- macOS、Windows(Linux 需源码构建)
- 价格 / 许可证:
- 免费 / MIT
- 主要区别:
- 声音克隆、语音合成和 Whisper 听写,带 MCP 服务器;其评测未列出视频配音
关于Voicebox的文章(1篇)
- Voicebox Review: Open-Source Local Voice Studio更新于 2026年10月26日
其他提及:
- Univocal Review: Read-Aloud and Dictation on Your Mac更新于 2026年11月16日
YoVoice
- 平台:
- macOS、Windows、Linux
- 价格 / 许可证:
- 免费 / Apache-2.0
- 主要区别:
- 语音、声音克隆和 AI 音乐,带 CLI 和 MCP 服务器;未发现付费 Pro 版本
关于YoVoice的文章(1篇)
- YoVoice Review: Local Voice Cloning and Music Studio更新于 2026年11月17日
其他提及:
- Kition Review: The Open Pro Suite for AI Agents更新于 2026年11月18日
XTTS v2
- 平台:
- macOS、Windows、Linux
- 价格 / 许可证:
- 免费 / CPML(非商业)
- 主要区别:
- 作为库使用的单一克隆模型,没有工作室、配音或听写功能
关于XTTS v2的文章(10篇)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of Audio更新于 2026年9月5日
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)更新于 2026年11月19日
- Local ElevenLabs Alternatives: Piper vs XTTS v2 (2026)更新于 2026年11月19日
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)更新于 2026年11月19日
- YoVoice Review: Local Voice Cloning and Music Studio更新于 2026年11月17日
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple Silicon更新于 2026年9月11日
- Best Local TTS Engine for Raspberry Pi (2026)更新于 2026年9月11日
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM Setup更新于 2026年9月11日
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?更新于 2026年9月11日
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?更新于 2026年9月11日
另有6篇未显示
这些是 PromptQuorum 目录中同类别的应用;请在各应用自己的页面上确认其当前价格、许可证和平台。
常见问题
可以通过脚本或 AI 智能体使用吗?
可以:README 列出了本地 API、CLI 和 MCP 支持,文档中有 MCP 部分和兼容 OpenAI 的音频端点。我们没有测试其中任何一项。
默认使用哪个引擎?
README 指明 k2-fsa/OmniVoice 为默认引擎,并称 Model Manager 提供数十种其他引擎,语音识别使用 whisper.cpp。
支持我的语言吗?
开发者声称支持 646 种语言,但没有按引擎的明细;官网提供十二种语言,包括德语、法语、西班牙语、中文和阿拉伯语。我们没有测试其中任何一种。
没有 GPU 的电脑能运行吗?
README 称可在 CPU 上运行,只是更慢,官网称约 8 GB 内存即可开始;我们没有测量任何速度。
Android 或 iPhone 应用可以直接使用了吗?
不可以:README 将 Android(10+)和 iOS(17+)版本标注为预览,iOS 文件是需要侧载的未签名 IPA。
结论
VoiceStudio 是一个更新很快、采用 AGPL-3.0 的方案,可在您自己的电脑上克隆声音、为视频配音、转写和听写,提供本地 API 和 MCP 支持,并另有付费 Pro 版本满足商业条款需求。其本地优先的说法来自官网和 README,而非独立审计;Mac 稳定版仅支持 Apple 芯片,移动应用是预览,模型权重各有许可证,646 种语言、质量和速度的说法在此均未经测试。它适合想要免费本地语音工具的创作者和开发者;需要经过验证的输出质量、清晰的商业条款或经审核的数据政策的人,应先测试,并先阅读 Pro 的条款。
来源
- VoiceStudio 官网 — 功能、平台、许可证和 Pro 信息。
- VoiceStudio 隐私页面 — 免费应用、Pro 和网站的数据处理。
- VoiceStudio 条款 — 适用法律和可接受使用。
- GitHub 上的 VoiceStudio — README、AGPL-3.0 许可证、安装选项和平台支持。
- VoiceStudio 发布页面 — 0.5.8 版本及更新的预发布版本、日期和安装文件。
