开源、完全本地运行的语音工作室，支持声音克隆、语音设计、视频配音、听写、转录和有声书制作。
7.5万8178PythonAGPL-3.0更新于 3小时前
jamiepine/voicebox
开源的本地 AI 语音工作室，可克隆声音、生成语音、语音听写并为 AI 智能体提供声音输出。
- Star
- 57,928
- Fork
- 7,263
- 未关闭 Issue
- 514
- 最近提交
- 12天前
这是什么？
Voicebox 是一款本地优先的语音工作室，同时覆盖语音输入与输出两个方向：既能用克隆或预设的声音做文本转语音，也能把语音转成文字进行听写。它内置 Qwen3-TTS、Chatterbox、Kokoro、HumeAI TADA 等多个 TTS 引擎，支持基于参考音频的声音克隆，生成语音覆盖 23 种语言。模型和语音数据都保存在用户自己的机器上。
输入方面，macOS 上可通过全局快捷键把语音听写到当前聚焦的文本框，应用内的每个文本输入框也都有麦克风按钮。转写使用 Whisper，可选的本地 Qwen3 大模型还能去除口头禅和重复词。录音及其文字稿会被保存，并可作为声音样本复用。
对于 AI 智能体，Voicebox 内置 MCP 服务器和 REST API，Claude Code、Cursor 等工具可以调用朗读工具，用选定的克隆声音输出语音。桌面端基于 Tauri 构建，支持 MLX、CUDA、ROCm、DirectML、Intel Arc 和 CPU，也提供 Docker 部署方式。
核心功能
- 01基于参考音频的声音克隆，并提供多种预设声音，覆盖八个 TTS 引擎
- 02支持 23 种语言生成语音，Chatterbox Turbo 支持笑声、叹气等情绪标签
- 03全局听写快捷键，macOS 上支持自动粘贴，转写基于 Whisper
- 04支持变调、混响、延迟、压缩等 8 种音频后处理效果
- 05内置 MCP 服务器和 REST API，智能体可调用朗读、转写和列出声音配置
- 06可在 MLX、CUDA、ROCm、DirectML、Intel Arc 或 CPU 上本地运行
适用场景
- 为 AI 编程智能体配置克隆声音，朗读任务完成结果
- 按住快捷键把语音听写到任意桌面应用中
- 利用自动分段和淡入淡出拼接，朗读长文章或书籍章节
- 在时间轴编辑器中制作多角色播客或对话音频
标签
常见问题
- voicebox 是什么？
- 开源的本地 AI 语音工作室，可克隆声音、生成语音、语音听写并为 AI 智能体提供声音输出。 Voicebox 是一款本地优先的语音工作室，同时覆盖语音输入与输出两个方向：既能用克隆或预设的声音做文本转语音，也能把语音转成文字进行听写。它内置 Qwen3-TTS、Chatterbox、Kokoro、HumeAI TADA 等多个 TTS 引擎，支持基于参考音频的声音克隆，生成语音覆盖 23 种语言。模型和语音数据都保存在用户自己的机器上。
- voicebox 可以免费使用吗？用的什么许可证？
- voicebox 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
- voicebox 还在维护吗？
- 活跃维护中。voicebox 最近一次提交是在 2026年10月7日。
- voicebox 适合用来做什么？
- 为 AI 编程智能体配置克隆声音，朗读任务完成结果 按住快捷键把语音听写到任意桌面应用中 利用自动分段和淡入淡出拼接，朗读长文章或书籍章节 在时间轴编辑器中制作多角色播客或对话音频
- 在哪里获取 voicebox？
- 源代码和安装说明在 GitHub 上：https://github.com/jamiepine/voicebox
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
开源的本地优先 AI 会议助手，支持会议录制、实时转写和摘要生成，运行于 macOS 和 Windows。
3.2万3604RustMIT更新于 上个月
轻量级跨平台数据库客户端，支持 100 多种数据库，提供桌面端、Docker、CLI、内置 AI 助手和 MCP 服务。
2.7万2457RustApache-2.0更新于 11小时前
为编程智能体提供 IDE 级符号检索、语义编辑与重构能力的 MCP 服务。
3万2194PythonOther更新于 3天前
基于 OpenAI Whisper 的桌面应用，可在本地离线转录和翻译音视频。
2.2万1631PythonMIT更新于 昨天
一款开源桌面 AI 协作助手，可完成安全审查、文档制作、收件箱整理等成品任务，并带有审批与沙箱机制。
1.9万2625PythonMIT更新于 昨天