星标数：60559★ Fork数：7608 《voicebox：开源 AI 语音工作室，克隆听写创作》
Voicebox 是一款开源的 AI 语音工作室（The open-source AI voice studio）。它可以克隆任意声音、生成语音、通过全局快捷键向任意应用听写，并让 AI 智能体用你拥有的声音说话——整套语音输入/输出（voice I/O）栈全部在你本机运行。
Voicebox 是一款 local-first 的本地优先 AI 语音应用，可视为 ElevenLabs 与 WisprFlow 的免费开源替代，二者合一。这两家云服务分别占据语音 I/O 链路的一端——ElevenLabs 负责输出，WisprFlow 负责输入；Voicebox 同时覆盖输入与输出，通过内置的本地 LLM 完成文本润色与按配置划分的人设，并在你的机器上运行整个流程。
项目以 MIT 许可证发布，保持免费开源，应用内没有启动屏、横幅或任何打断。Voicebox 基于 Capy 构建与维护，采用 Tauri（Rust）而非 Electron，追求原生性能。
主要特点
- 完整隐私——模型、语音数据与采集内容永不离开你的机器
- 8 个 TTS 引擎——Qwen3-TTS、Qwen CustomVoice、Qwen VoiceDesign、LuxTTS、Chatterbox Multilingual、Chatterbox Turbo、HumeAI TADA 与 Kokoro
- 声音克隆与预设音色——数秒参考音频即可零样本克隆，或通过 Kokoro 与 Qwen CustomVoice 使用 50+ 精选预设音色
- 23 种语言——从英语到阿拉伯语、日语、印地语、斯瓦希里语等
- 语音输入——全局听写快捷键（按住说话与切换两种模式）、基于 Whisper 的语音识别，以及 macOS 上经无障碍验证的自动粘贴
- 智能体语音输出——只需一次工具调用（voicebox_speak），任何支持 MCP 的智能体（Claude Code、Cursor、Cline）都能用你克隆的声音对你说话
- API 优先——提供 REST API 与内置 MCP 服务器，便于将语音 I/O 集成到你自己的应用与智能体中
- 跨平台运行——macOS（MLX/Metal）、Windows（CUDA）、Linux、AMD ROCm、Intel Arc 与 Docker
下载与安装
macOS (Apple Silicon): 下载 DMG — https://voicebox.sh/download/mac-arm
macOS (Intel): 下载 DMG — https://voicebox.sh/download/mac-intel
Windows: 下载 MSI — https://voicebox.sh/download/windows
Docker: docker compose upLinux 暂无预编译二进制文件，可参考 voicebox.sh/linux-install 从源码构建。遇到安装、生成、模型下载或 GPU 相关问题，可查看项目中的 Troubleshooting 指南。
📊 本项目 GitHub 星标数：60559。最后更新：2026-10-07，发布：2026-04-25。项目地址：https://github.com/jamiepine/voicebox
