项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 105573
技术标签
使用教程
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
下一篇:sea-g2p
同类项目推荐
X2Streaming-TTS
开源
文本边说边转语音,首句秒出声
FlashSpeech
开源
一段参考音频,即刻克隆音色,快速生成自然语音。
ACM MM 2024 FlashSpeech: Efficient Zero-Shot Speech Synthesis
phoenix10.1
开源
用文字一键生成你的专属电台,AI 主持不间断播报
Creates personalized radio stations with your own radio jockey!
voice-cloning-collab
开源
用少量样本实时克隆声音,效果更自然
an improved version of Real-time-voice-cloning
izabela-desktop
开源
全局打字即语音,游戏聊天不开口
A proof of concept text-to-speech application allowing global typing. Can be used ov···
vits-simple-api
开源
一键部署 VITS 语音合成 API,快速集成 TTS 到你的应用
A simple VITS HTTP API, developed by extending Moegoe with additional features.
Cross-Speaker-Emotion-Transfer
开源
让任意声音说出带指定情感的语音,跨说话人情感迁移。
PyTorch Implementation of ByteDance's Cross-speaker Emotion Transfer Based on Speake···
tts
开源
一句代码调用 AWS Polly,快速实现文字转语音
Tools to convert text to speech :books::speech_balloon:
ChatTTS_colab
开源
一键部署ChatTTS,流式输出、音色抽卡、长音频轻松搞定
一键部署(含离线整合包)!基于 ChatTTS ,支持流式输出、音色抽卡、长音频生成和分角色朗···
