LocalText2Voice

本地一键把文字变成干净播客级音频，无需联网

LocalText2Voice 是一个完全离线的本地文本转语音生产工作流，专为生成干净旁白、结构化学习内容和播客级音频而设计。它解决了在无网络环境下依赖云端 TTS 服务的痛点，通过本地 AI 模型（如 ONNX 运行时）和 FFmpeg 音频处理，将纯文本转换为高质量 MP3 文件。核心能力包括：支持多种神经 TTS 模型、自动生成课程式分段内容、音频后期处理（降噪、音量均衡）、以及提供桌面应用界面，方便非技术用户操作。项目基于 Python，集成了 ai-tools 和 audio-processing 生态，强调隐私保护和离线可用性，适合教育内容创作者、播客制作者和需要批量生成语音的开发者。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 361

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队estebanstifli

所属国家

官网地址https://andromedanova.com/localtext2voice.html

GitHubhttps://github.com/estebanstifli/LocalText2Voice

定价模式free

价格说明开源项目，MIT许可证，完全免费，可本地部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-voice,animated-video,audiobook,chatterbox,comfyui,documentary,faster-whisper,kokoro,local-ai,offline-tts,open-source,piper,podcast,pyside6,python,qwen,text-to-speech,tts,video-generation,video-storyboard

GitHub 星标★ 361

30天Star增速

HF 下载量

上线时间2026-06-11 00:00:00

最近更新2026-09-24 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4

使用教程

核心亮点

完全离线运行，保护内容隐私，不依赖云端 API
集成 FFmpeg 和音频处理，输出降噪均衡的播客级 MP3
支持结构化学习内容生成，自动分段适合课程制作

不足之处

早期项目，社区和文档待观察
模型和依赖配置较复杂，新手上手门槛可能较高

适用场景

内容创作者离线批量生成旁白或播客音频
教育机构制作本地化课程语音材料
隐私敏感场景下将文本转为语音（如内部培训）

替代项目

Coqui TTS、Piper TTS、Mimic 3

项目介绍

LocalText2Voice 是音频音乐领域的开源项目，由 estebanstifli 开发，是 2026 年新上线的项目。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 361。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。MIT许可证，完全免费，可本地部署使用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：内容创作者离线批量生成旁白或播客音频。同类可对比的替代方案包括 Coqui TTS、Piper TTS、Mimic 3。

上一篇：univnet

下一篇：Chinese-FastSpeech2