VoiceStudio

开源语音全能工作站,克隆、配音、转录一站式搞定

开源 🏷️定价信息待确认 ✅ 目前可打开 音频音乐 🍴 复刻 11735 🐛 待处理 100 👀 关注 357
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 105573
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

VoiceStudio 项目界面预览图
图片来源:项目官网

项目数据

分类音频音乐
开发团队debpalash
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
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,text-to-speech,transcription,translate,tts,voice-ai,voice-cloning,voice-generation,voicestudio,workflow
GitHub 星标★ 105573
上线时间2026-04-09 00:00:00
代码更新2026-11-09
仓库体积202.7 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数42

项目介绍

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。

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

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. 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. 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。

  3. 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. 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. 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. 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. 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. 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

上一篇:Advanced-RVC-Inference

下一篇:sea-g2p

同类项目推荐

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

★ 159 2026-08-09
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!

★ 119 2026-08-09
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

★ 52 2026-08-09
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···

★ 84 2026-08-09
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.

★ 1046 2026-08-09
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···

★ 193 2026-08-09
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:

★ 92 2026-08-09
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···

★ 2601 2026-08-09