VoiceStudio

开源语音全能工作站，克隆、配音、转录一站式搞定

VoiceStudio 是一个开源的 AI 语音工作站，旨在成为 ElevenLabs 的替代方案。它集成了语音克隆、配音、听写、转录、有声书创作和语音工作流编排等核心功能。项目基于 Python 构建，充分利用了 HuggingFace 生态、CUDA 和 MLX 等加速技术，支持多种语音 AI 任务。它解决了商业语音服务价格高昂、数据隐私受限和定制化困难的问题，让开发者可以本地部署并构建自定义的语音应用。核心能力包括：高保真语音克隆、多语言翻译与配音、实时语音转文字、批量有声书生成，以及可视化的工作流设计器，方便用户将语音能力嵌入到更复杂的自动化流程中。

开源 unknown 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 34308

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类音频音乐

开发团队debpalash

所属国家

官网地址https://voicestudio.sh

GitHubhttps://github.com/debpalash/VoiceStudio

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型ai,audiobook,cuda,dubbing,elevenlabs-alternative,huggingface,local-first,mlx,omnivoice-studio,speech-to-text,tauri,text-to-speech,transcription,translate,tts,voice-ai,voice-cloning,voice-generation,voicestudio,workflow

GitHub 星标★ 34308

30天Star增速

HF 下载量

上线时间2026-04-09 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 15 分钟部署方式：本地安装 8 步

环境要求

Node 20+ 与 Bun（从源码运行时需要）
Python 3.11+（从源码运行时需要；首次启动自动通过 uv 配置依赖）
Docker（使用容器方式运行时需要）
系统要求：macOS 13.3+ / Windows 10 或 11 / Linux AppImage 需 x86_64 且 glibc 2.39+
首次启动需联网，用于创建托管 Python 环境并下载默认模型

安装与启动步骤

1选择部署方式

README 提供四种方式：桌面安装包、Docker 镜像、源码运行、远程后端。按你的系统任选一种即可。
2下载桌面安装包

到最新 Release 页面下载：macOS 用 Apple Silicon DMG，Windows 用 x64 MSI（可选当前用户版免管理员），Linux 用 AppImage。
3Docker 一键启动

官方镜像仅支持 linux/amd64。命令会后台启动容器、映射本机 3900 端口并挂载数据卷 omnivoice-data。
```
docker run -d -p 127.0.0.1:3900:3900 -v omnivoice-data:/app/omnivoice_data --name voicestudio palashdeb/omnivoice-studio:stable
```
4克隆源码仓库

从源码运行前先装好 Node 20+/Bun 与 Python 3.11+，再克隆仓库并进入目录。
```
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
```
5安装依赖

使用 Bun 安装前端依赖；桌面启动器会在首次运行时自动通过 uv 配置 Python 依赖。
```
bun install
```
6启动桌面应用

运行桌面启动器，首次启动会自动创建 Python 环境并下载默认模型，耗时较长请耐心等待。
```
bun run desktop
```
7改用浏览器界面

如果不想用桌面窗口，可用浏览器 UI 模式启动同一套服务。
```
bun run dev
```
8排查启动失败

在应用内执行设置 → 关于 → 运行自检，或直接跑诊断命令定位问题。
```
uv run python backend/main.py --diagnose --deep
```

如何确认成功

Docker 方式执行 docker ps 看到 voicestudio 容器为 Up 且映射 3900 端口，即可访问本机 3900。

常见问题

Q：macOS 首次打开没反应或被拦截？

A：首次启动需要在应用上右键点击一次，再选择“打开”完成一次性授权，之后即可正常启动。

Q：Intel 芯片的 Mac 能运行吗？

A：不能运行本地 Python 后端，README 建议改用远程后端方式部署，详见 macOS 安装文档。

Q：Apple Silicon 上能跑 Docker 镜像吗？

A：发布镜像仅 linux/amd64。Apple Silicon 上建议使用原生 macOS 应用以获得 GPU 加速；ARM64 主机拉镜像前需先阅读架构要求。

Q：生成速度很慢怎么办？

A：可对照官方实测基准文档调整性能设置，也可先运行自检确认模型与环境是否正常加载。

Q：安装失败该提供什么信息？

A：在应用内保存脱敏后的诊断包，连同问题一起提交 issue，并参考 install 故障排查文档。

注意事项

项目正在进行 Electron 重写，请勿提交桌面应用相关的 issue 和 PR。
本地工作流无需账号、API key、订阅或用量计量。
首次启动会创建托管 Python 环境并下载默认模型，后续启动直接复用。
发布镜像仅提供 linux/amd64，ARM64 主机使用前请确认架构要求。

核心亮点

集成语音克隆、配音、转录、有声书生成等全流程能力，开箱即用
支持本地部署，数据隐私可控，且兼容 CUDA 和 Apple MLX 加速
基于 HuggingFace 生态，模型可替换，扩展性强

不足之处

项目较新，文档和社区支持仍在完善中
语音克隆和生成质量可能受限于底层模型，与商业产品有差距

适用场景

内容创作者批量生成多语言有声书或播客配音
企业构建内部语音助手或客服系统，需本地化部署
开发者快速搭建语音转写或翻译的自动化工作流

替代项目

Coqui TTS、Bark、OpenVoice

项目介绍

VoiceStudio 是音频音乐领域的开源项目，由 debpalash 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（34,308）位列前 2%，在音频音乐分类的 738 个项目里位列前 1%。

近 44 天，它的 GitHub 星标从 9,779 增加到 34,308，净增 24,529。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：内容创作者批量生成多语言有声书或播客配音。同类可对比的替代方案包括 Coqui TTS、Bark、OpenVoice。

上一篇：Advanced-RVC-Inference

下一篇：sea-g2p