上周帮做短视频的朋友试配音，他花了200块买了一个月的 ElevenLabs 会员，结果生成的中文语音还是有一股”翻译腔”。我说：「你不知道有个开源工具能本地跑语音克隆吗？不要钱、不要API、不要联网。」他一脸不信：「还有这好事？」

    其实很多人做视频配音、有声书、语音转文字，第一反应就是去订阅 ElevenLabs 或者微软 Azure 这些付费服务。但今天推荐一款让我回不去的本地语音AI工具——VoiceStudio。

什么是 VoiceStudio？

    简单说：语音克隆 + 视频配音 + 语音转文字 + 有声书生成，四合一，完全在你电脑上本地运行。不需要注册账号，不需要 API Key，不需要联网，数据不会上传到任何服务器。

    它被叫做”开源版 ElevenLabs”，在 GitHub 上已经拿到 32,900+ 颗星，本周更是冲上了 GitHub 周榜 TOP 3。下载量超过 22 万次，支持 646 种语言——中英文自然不在话下，日语、韩语、西班牙语、阿拉伯语全覆盖。

5大核心功能

1. 语音克隆（Voice Clone）

    录一段 3 秒的语音样本，它就能模仿你的声音生成任意文本的朗读。对，只要 3 秒——录一句”你好，我是XXX”就够了。克隆出来的声音保留了你的语调、语速和音色特征，拿来配音短视频、做播客 intro、或者给角色配音都很自然。

2. 语音设计（Voice Design）

    没有语音样本也没关系——你可以用文字描述一个声音：”30岁男性，磁性低沉，带一点东北口音”，它就能凭空生成一个符合描述的声音。性别、年龄、口音、音高、情绪，全部可以调。相当于你手里有一个声音设计师，指哪打哪。

3. 视频配音（Video Dubbing）

    这是最实用的功能。导入一段英文视频，它会自动识别语音、翻译成中文、再用配音合成新的音频，而且还能保留每个说话人的音色——A 说的话用 A 的声音配中文，B 说的话用 B 的声音配。做跨语言内容的创作者，这个功能直接省掉几千块的外包费。

4. 语音转文字（Transcription）

    把录音、播客、会议记录丢进去，自动转成文字。支持自动断句、说话人识别，转出来的文本还能直接编辑。开会录音再也不用一字一句手动打了。

5. 有声书生成（Audiobook）

    丢一篇小说或 EPUB 电子书进去，它可以自动分章节，用不同角色的声音朗读——主角用一个声音，配角用另一个声音，旁白再用一个。做一个有声书从”人工录制两周”变成”点击按钮等几分钟”。

为什么比 ElevenLabs 好？

安装教程

    VoiceStudio 支持 Windows、macOS 和 Linux，安装非常简单：

Windows 用户：下载 .exe 安装包，双击运行，一路”下一步”即可。安装完成后打开软件，首次运行会让你选择语音引擎（推荐选 faster-whisper），点”安装”等几分钟就好。

macOS 用户：下载 .dmg 文件，拖到 Applications 文件夹即可。Apple Silicon 和 Intel 版本都有。

命令行一键安装（推荐）：

    打开终端，输入：

curl -fsSL https://voicestudio.sh/install | sh

    一行命令搞定，自动下载安装。Windows 用户可以用 PowerShell：irm voicestudio.sh/install | iex

使用体验

    说实话，刚打开 VoiceStudio 的时候就被惊艳到了——界面非常现代，左边是功能导航，右边是工作区，整体设计有点像专业音频编辑软件但更简洁。上手难度比想象中低很多。

    语音克隆是我用得最多的功能。录了 3 秒自己的声音，然后让它读一段文章——效果真的很惊艳，语调和节奏都很像真人。用它给短视频配旁白，完全听不出是 AI 生成的。

    视频配音功能也很强大——导入一段英文教程视频，它自动识别出 3 个说话人，分别翻译并配音，每个角色的声音都不一样。虽然翻译质量比不上专业译者，但作为快速配音工具已经足够用了。

    唯一的小缺点是首次运行需要下载语音模型文件，大概 1-2GB，需要等一会儿。但下载完之后所有功能都离线可用，不会占用网络带宽。

下载安装

    下载后双击安装，跟着向导走就行。首次打开会让你选语音引擎，推荐选 faster-whisper（速度快、效果好）。安装完引擎后就可以开始用了。

觉得有用？点个在看👇