vox-box 是音频音乐领域的开源项目，由 gpustack 开发，2024 年首次发布。
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 217。
项目仍在小幅维护中，最近一次代码更新于 2026-08-25。Apache-2.0 许可证，可自行部署，完全免费。
它主要面向的使用场景是：快速为现有OpenAI应用添加语音交互能力。同类可对比的替代方案包括 OpenAI TTS/Whisper API、Coqui TTS、faster-whisper。
vox-box
一键部署 OpenAI 兼容语音服务，自由切换 TTS/STT 引擎
vox-box 是一个兼容 OpenAI API 的语音服务端，提供文本转语音（TTS）和语音转文本（STT）能力。它解决了语音应用开发中多模型集成和 API 标准化的问题，支持 Whisper、FunASR、Bark、CosyVoice 等多种后端，开发者可以无缝切换或组合使用。核心能力包括：通过 OpenAI 格式的 API 接口调用语音功能，降低接入成本；支持流式输出和批量处理；提供简单的配置方式管理不同模型。项目基于 Python 构建，适合快速搭建语音服务，但当前处于早期阶段，功能完整性和稳定性有待完善。
开源
free
音频音乐
GitHub 星标
★ 217
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类音频音乐
开发团队gpustack
所属国家
定价模式free
价格说明开源项目，Apache-2.0 许可证，可自行部署，完全免费。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型asr,audio-processing,openai-compatible-api,python,speech-to-text,stt,text-to-speech,tts
GitHub 星标★ 217
30天Star增速
HF 下载量
上线时间2024-11-21 00:00:00
最近更新2026-08-25 00:00:00
维护状态维护中
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
- 兼容 OpenAI API 格式，现有应用可零改造接入语音功能
- 集成多个主流语音模型（Whisper、Bark 等），按需切换
- 纯 Python 实现，部署简单，适合快速原型开发
不足之处
- 早期项目，API 稳定性和边界情况处理可能不完善
- 文档和社区支持较少，遇到问题排查成本高
适用场景
- 快速为现有 OpenAI 应用添加语音交互能力
- 在本地或私有环境部署语音服务，避免数据外传
- 对比不同 TTS/STT 模型效果，进行选型测试
替代项目
OpenAI TTS/Whisper API、Coqui TTS、faster-whisper
项目介绍
下一篇：UEAzSpeech
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···