∴ GitHub / 趋势仓库

jamiepine / voicebox

本地优先的开源 AI 语音工作室,覆盖克隆、生成、听写全流程

语言
TypeScript
Star
54.9k
Fork
6.8k
当日新增(09-18)
+667
累计在榜
2 天
最高名次
第 12 名
首次上榜
2026-09-17
去 GitHub 查看 ↗项目主页 ↗

∴ 是什么

Voicebox 是一个本地优先的 AI 语音工作室,作为 ElevenLabs 和 WisprFlow 的开源替代,在一个应用中同时提供语音输入与输出能力。它支持从几秒音频克隆声音、通过 7 种 TTS 引擎生成 23 种语言的语音、使用全局热键在任何文本字段中听写,并为 MCP 感知的 AI 代理提供可选的声音。整个语音 I/O 栈运行在本地机器上,由 Tauri (Rust) 构建,并附带 REST API 和内建 MCP 服务器。

∴ 解决什么问题

  • 云端服务分别占据语音输入和输出两个端点,缺少统一方案
  • 用户希望语音数据、模型和捕获内容完全保留在本地,保护隐私
  • 需要将不同 TTS 引擎的能力、语音克隆、听写和代理语音输出整合到一个工具中

∴ 怎么上手

  1. 01前往 voicebox.sh 下载适用于 macOS (Apple Silicon 或 Intel) 的 DMG,或 Windows 的 MSI
  2. 02对于 Docker,运行 docker compose up
  3. 03对于 Linux,目前没有预构建二进制,需参考 voicebox.sh/linux-install 从源码构建

∴ 适合谁

需要本地运行、注重隐私的语音克隆、生成和听写功能的开发者或内容创作者,也适用于希望给自己的 AI 代理加上语音输出的 MCP 用户。

∴ 要点

  • 支持 7 种 TTS 引擎:Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual、Chatterbox Turbo、HumeAI TADA、Kokoro
  • 提供 23 种语言覆盖,可从英语到阿拉伯语、日语、印地语等
  • 支持零样本语音克隆和 50+ 预设声音
  • 包含 8 种后处理效果,基于 Spotify 的 pedalboard 库
  • 文本长度无限制,自动分块并交叉淡化,支持 50,000 字符
  • 内置 Stories 编辑器,用于多轨对话、播客和叙事创作
许可证 MITaicudamlxqwen3-ttsqwen3-tts-uivoice-aivoice-clonewhisper

解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。

∴ 在榜记录

GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-17 首次上榜,累计在榜 2 天,最高第 12 名。

[object Object]2026-09-17 +6652026-09-18 +667
每日新增 Star · 2026-09-17 至 2026-09-18 · 共 2 个在榜日峰值 +667
日期名次当日新增总 Star
#12+66754,943
#12+66554,782