哎，说到 AI 配音，你是不是也遇到过这种糟心事：想给视频配个旁白，试了某几个在线工具，要么每天限你几百个字，要么导出的音频带水印，想克隆个自己的声音？对不起，会员专享，一个月大几十块。更别说把你的录音上传到人家服务器——声音这种东西，传出去就收不回来了，你确定它不留底？

今天介绍的这个软件，直接把上面这些坑全填了：VoiceStudio，GitHub 上 5 万 Star 的开源配音神器，人称”免费版 ElevenLabs”。语音克隆、声音设计、视频配音、有声书生成全都有，支持 646 种语言，关键是一切都在你自己的电脑上跑——不联网、不用注册、不用 API Key、不限次数，声音数据一步都不出门。

一、它到底能干啥？

先看一眼主界面，七大功能一目了然，全是卡片式入口，点哪个进哪个：

• 语音克隆（Voice Clone）：录几秒钟自己的声音，之后输入文字就能用”你的声音”说话
• 声音设计（Voice Design）：用文字描述一个声音（比如”温柔的中年男声”），它直接生成一个新音色
• 视频配音（Video Dubbing）：给视频换语言配音，时间轴自动对齐
• 有声书（Audiobook）：扔进一本书，出来带章节的有声书文件
• 听写转录（Transcripts）：音频进、文字出，做字幕用

说白了，别人按字数收费的活儿，它全给你免费干了。

二、安装：Windows 双击就完事

VoiceStudio 是桌面软件（电脑客户端），不是网页版，所以先把安装包下到本地。

📥 下载地址（我传好的夸克网盘，v0.5.6 正式版）：

夸克网盘下载：https://pan.quark.cn/s/c82027c9d6ed

进入分享链接后打开「VoiceStudio v0.5.6」文件夹，下载 VoiceStudio-Electron-0.5.6-win-x64.exe（约 204MB），双击安装，一路下一步就行。Mac 和 Linux 用户去官网 voicestudio.sh 下对应版本即可。

硬件要求（别慌，门槛很低）：

• 内存 8GB 起步就能用，16GB 更舒服
• 有 NVIDIA 显卡 → 速度快好几倍（软件会自动检测）
• 没有显卡（AMD/Intel 核显）→ 也能跑，就是合成慢一些，日常用用够了

首次启动会下载语音模型（几个 GB，走国内一般能下，慢的话设置里可以配 HuggingFace 镜像）。下载完就永久离线可用，这才是”本地”两个字的正确打开方式。

三、核心操作：三步克隆你自己的声音

装好打开，点第一个卡片「Voice clone」进去，界面长这样：

第1步：准备一段参考录音。录一段 10 秒以上的干净人声（手机录音都行），环境别太吵，别带背景音乐。软件也支持直接对着麦克风录。

第2步：填写参考文本。把你录的话原样填进去（这一步不能省，模型要靠它对齐”这段声音对应这些字”）。填错了克隆效果会打折。

第3步：点生成。在文本框输入你想让”克隆声音”说的话，点 Synthesize（合成），等几秒到几十秒（取决于你电脑配置），音频就出来了，可以直接试听、导出。

第一次用它会提示安装对应的语音引擎，点确认让它自己装就行，装完就缓存在本地了。

四、不想录自己？用文字”捏”一个声音

主界面点「Voice Design」，这个更好玩：用中文或英文描述你想要的声音，比如”清脆活泼的年轻女声，语速稍快”，它会直接给你生成几个候选音色，挑一个顺耳的用。

做短视频的朋友应该懂这个价值：再也不用去配音平台挑音色挑到眼花，还不用按分钟付费。捏出来的音色会存进你的音色库，随时调用。

五、进阶：给视频配多语言旁白

点「Video dubbing」，把视频丢进去，它会自动提取人声、分离背景音、转录成文字、翻译，再用配音合成，最后混回视频里，时间轴自动对齐。整个过程最耗时的是人声分离那一步，长视频要多等会儿，泡杯茶的功夫。

编辑器里每一句都能单独改文字、换说话人，改完重新合成那一句就行，不用整条重来。

六、模型管理：新手最容易卡住的地方

很多教程不会告诉你：VoiceStudio 的功能是靠不同语音引擎实现的，每个引擎第一次用都要下载模型。打开设置里的「Model Catalogue（模型目录）」就能看到全景：

每个引擎旁边有个状态徽章：GPU active（显卡加速中）、CPU fallback（没 GPU，凑合跑）或 CPU。如果你明明有 N 卡却显示 CPU，多半是驱动或 PyTorch 版本不对——注意 Windows 上 GPU 加速只支持 NVIDIA，AMD/Intel 显卡在 Windows 下走 CPU（这是 PyTorch 的限制，不是软件的锅）。

七、常见问题速查

Q：第一次生成特别慢正常吗？
正常。首次生成要加载模型（约 8 秒）+ 显卡预热，从第二次开始才是正常速度。

Q：提示”连不上本地后端”？
多半是内存不够被系统杀掉了。关掉浏览器几十个标签页再试，或者在设置里卸载常驻模型释放内存。

Q：克隆别人的声音行不行？
技术上拦不住你，但官方规则写得很清楚：克隆需获本人同意，禁止用于欺诈仿冒。咱们自己录自己的声音、做自己的内容，没人管你。

Q：商用收费吗？
开源版 AGPL-3.0，个人用完全免费；要商业授权可以看它的 Pro 版，但普通创作者用开源版足够了。

写在最后

说实话，现在市面上 AI 配音工具不少，但要么收费狠、要么把你的声音数据往云上收。VoiceStudio 这种”装完就断网也能用”的本地方案，才是真正的良心：5 万 Star 不是白涨的，功能对标按月收费的商业产品，而你一分钱不用花。

唯一的门槛就是首次下载模型和电脑配置，8GB 内存的机器都能跑，还要啥自行车。

📥 再放一次下载地址：https://pan.quark.cn/s/c82027c9d6ed（VoiceStudio v0.5.6 Windows 安装包 + README）

关注公众号：「实用软技」，在公众号窗口里回复关键字“软件”即可免费获取