VoiceStudio 语音工作室

项目概述

VoiceStudio 是一款开源语音创作桌面应用，支持语音克隆、语音设计、视频配音、听写、语音转写和有声书制作，覆盖 646 种语言。项目采用 Electron 作为唯一桌面与 Web 界面，默认由 k2-fsa/OmniVoice 驱动，也允许切换其他语音引擎。

其核心理念是“使用自己的声音，建立自己的工作流”：本地任务可在用户硬件上完成，远程服务仅作为可选能力，使用分析功能则需要明确授权。

核心功能

• 克隆已有声音，或通过文字描述设计新声音
• 为视频生成带时间轴的配音内容
• 使用悬浮听写组件进行语音输入
• 创建故事、有声书及批量处理任务
• 管理、安装和运行本地语音模型
• 提供本地 API 与 MCP，方便智能代理接入
• 支持可复用配方和监听文件夹
• 提供 iOS、Android 手机伴侣预览版
• 支持 646 种语言的语音处理与内容生成

主要工作区包括语音克隆、视频配音、语音设计和本地模型管理。模型来源、版本信息、审查链接及未解决问题会在模型管理器中展示。

安装与运行

macOS 与 Linux

# 安装最新 Electron 版本
curl -fsSL https://voicestudio.sh/install | sh

# 安装指定版本，替换 X.Y.Z
curl -fsSL https://voicestudio.sh/install | sh -s -- --version X.Y.Z

# 构建当前主分支并安装桌面应用
curl -fsSL https://voicestudio.sh/install | sh -s -- --main

# 卸载应用但保留数据
curl -fsSL https://voicestudio.sh/install | sh -s -- --uninstall

Windows 可在 PowerShell 中执行：

irm https://voicestudio.sh/install | iex

如果安装地址不可访问，可直接运行仓库脚本：

curl -fsSL https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh | sh

发布版下载需要 curl 和 SHA-256 工具。使用 --main 构建源码时，还需要 Git、Node.js 22+、Bun、Rust/Cargo 以及平台构建工具。安装程序会保留设置、项目和模型；旧版本必须包含 Electron 包，不再回退到已归档的 Tauri 构建。

从源码运行

git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun install
bun run setup:api
bun run dev

setup:api 用于准备 Electron 启动所需的 Python 依赖。可使用 bun run smoke-test 构建并启动隔离的 Electron 打包版本，追加 -- --install 可执行联网的运行时安装检查。

硬件支持

• Windows 或 Linux 上的 NVIDIA GPU：支持 CUDA 加速
• Apple Silicon：支持 Metal（MPS）加速
• 仅集成显卡或无独立 GPU：可通过 CPU 运行，但速度较慢，并需约 5 GB 可用磁盘空间安装 CPU 版 PyTorch
• Windows ARM 设备：目前为实验性支持，原生 ARM64 应用配合模拟环境中的 x64 Python 后端，仅使用 CPU
• Intel Mac：仅支持应用界面，需要连接远程后端

不同语音引擎对硬件要求不同，实际性能应参考引擎基准测试。

使用流程与集成

首次使用时，打开“语音克隆”，选择预设声音或上传清晰的参考录音，输入文本后生成内容；系统会在需要时提示安装对应模型。硬件需求和音频质量表现取决于所选引擎。

项目提供本地 HTTP API、MCP 服务及示例，可将语音生成、听写和转写能力接入其他工具。支持代理技能的工作流还可执行：

npx skills add debpalash/VoiceStudio

随后选择 voicestudio 用于音频工作流，或选择 voicestudio-maintainer 用于仓库维护。

迁移与许可

0.5.3 是最后一个 Tauri 版本；Tauri 桌面外壳和旧界面入口均已移除，现有用户需单独迁移到 Electron。

项目应用代码采用 AGPL-3.0 许可证，商业使用须遵守其条款。模型权重、分词器、声音资源及生成内容的许可条件独立存在，付费应用许可不自动授予这些资源的使用权。克隆他人声音前必须取得明确许可。