∴ 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
∴ 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
- 01前往 voicebox.sh 下载适用于 macOS (Apple Silicon 或 Intel) 的 DMG,或 Windows 的 MSI
- 02对于 Docker,运行 docker compose up
- 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。