28
6 月
OmniVoice Studio：一键安装的 ElevenLabs 开源替代，646 语言+视频配音+有声书
OmniVoice Studio 是 ElevenLabs 的开源替代品——一个完全本地运行的 AI 语音工作站桌面应用。无需 API Key、无需云服务，支持 macOS/Windows/Linux，646 种语言。内置 11 个 TTS 引擎 + 9 个 ASR 引擎，一键安装即可使用。
核心功能
- 🎙️ 零样本声音克隆：3 秒片段镜像任何声音，覆盖 646 种语言
- 🎨 声音设计：性别、年龄、口音、音调、语速、情感、方言全部可调
- 🎬 视频配音：YouTube URL 或本地文件 → 转录 → 翻译 → 配音 → 导出 MP 4
- 📖 有声书编辑器：导入文本/EPUB/PDF，自动分章节，导出 .m 4 b
- ⌨️ 全局语音输入：任意应用 ⌘+⇧+Space 唤起，实时转写后自动粘贴
- 🤖 MCP 服务器：从 Claude、Cursor 等 MCP 客户端直接调用
- 🛡️ AI 水印：内置 Meta AudioSeal 不可见水印，可抵抗压缩
- 🔐 100% 本地：无需 Key、无云、无账号，数据永不离开机器
内置引擎阵容
TTS 引擎（11 个）：OmniVoice（默认）、CosyVoice 3、GPT-SoVITS、VoxCPM 2、MOSS-TTS-Nano、KittenTTS、MLX-Audio、Sherpa-ONNX、IndexTTS 2、OmniVoice GGUF、Supertonic 3。
ASR 引擎（9 个）：WhisperX（默认）、Faster-Whisper、MLX Whisper、PyTorch Whisper、Parakeet TDT、Moonshine、FunASR、sherpa-onnx 实时听写。
安装与要求
macOS 下载 DMG、Windows 下载 MSI、Linux 下载 AppImage 或 .deb。首次启动需右键→打开。最低 4 GB 显存，推荐 8 GB+，Apple Silicon 原生 MPS，无 GPU 也可 CPU 运行。
与 ElevenLabs 对比
| 维度 | ElevenLabs | OmniVoice Studio |
|---|---|---|
| 价格 | $5-$330/月 | 免费开源 |
| 语言 | 32 种 | 646 种 |
| 数据隐私 | 上传云端 | 完全本地 |
| API Key | 必需 | 不需要 |
| 桌面应用 | ❌ | ✅ 全平台 |
| TTS 引擎 | 1 个 | 11 个 |
| 有声书/多声部 | ❌ | ✅ |
延伸阅读
- Voicebox — 35 k 星开源 AI 语音工作室：本地版 ElevenLabs，克隆+生成+听写一站式
- VoxCPM：开源多语言语音合成引擎，30 种语言+声音克隆+Apache-2.0 商用许可
- VoxCPM 2：清华大学开源语音合成模型霸榜 GitHub，3 秒克隆你的声音
常见问题
Q: 能替代 ElevenLabs 吗？ 声音克隆和配音质量相当，多语言覆盖胜出。ElevenLabs 在云端 API 和预置声音库上更成熟。
Q: 可以商用吗？ AGPL-3.0 许可，个人/教育/商业免费。嵌入闭源产品需购买商业许可。
Q: 如何添加自定义 TTS 引擎？ 继承 TTSBackend 类，约 50 行代码即可接入。
相关链接
分享这篇文章
RELATED
Posts
Llama Windows 上手：Windows 11 托盘一键跑本地大模型，不用命令行
一句话结论：Llama Windows 是 Hugging Face 2026 年 10 月 13 日发布的免费开源 Windows 11 托盘应用（MIT 许可），把 llama.cpp 包装成「点图标、选模型、下载、开聊」四步，不需要终端、不需要编译、不需要管理员权限。它同时在本机提供 OpenAI 兼容接口，适合第一次在自己电脑上跑开源模型的人，也适合想给脚本接一个本地模型的开发者。 AI 摘要 资源类型：免费开源软件（Windows 11 桌面应用）来源：Hugging Face 官方博客发布，代码在 GitHub ggml-org/Llama-Windows适合人群：想在 Windows 电脑上离线跑开源模型的普通用户、需要本地 OpenAI 兼容接口的开发者使用价值：自动安装和管理 llama.cpp，一键下载推荐模型，模型缓存与其他 Hugging Face 工具共享风险边界：项目很新（GitHub 87 星，2026-10-14 核查）；官方博客和 README 给出的本地端口不一致，需以本机实际为准 资源信息 资源名：Llama Windows（代码仓库内名称...
HowToCook 程序员做饭指南：10 万星开源菜谱怎么用、怎么部署、怎么接 AI
HowToCook 程序员做饭指南是 GitHub 10.2 万星的开源菜谱库，372 道家常菜用量精确到克。本文讲清在线使用、Docker 本地部署、按食材找菜工具和 MCP 接入 AI 助手的方法与风险。
Sharp 图片预处理：给 AI 截图输入建立尺寸上限和独立输出
Sharp 图片预处理适合将人工选定的图片规则写进 Node.js 流程。本文包含官方安装渠道、平台要求、完整单图脚本和独立输出目录设计，说明尺寸上限、不放大小图、无损编码与缩放损失的区别。示例以静态 PNG 为起点，要求比较小字和识别退化，不覆盖原件，不保证压缩率，也不把像素限制当作完整上传安全方案。
Python jsonschema：给模型输出加一道可执行的数据合同
Python jsonschema 可以把模型输出的数据合同变成可执行检查。本文包含虚拟环境安装、官方包下载、完整校验脚本和四个正反样本，解释 required、额外字段、格式检查与语义真实性的区别，并说明跨平台运行和失败处理方法。适合信息提取与工具参数入口，不调用收费模型，也不把结构通过误写成业务正确或权限批准。
Promptfoo 上手：先用本地输出检查评测规则，再连接模型
Promptfoo 可用 Echo provider 检查变量、模板和断言，不必调用模型。本文给出独立目录安装方法、Node 版本要求、两条合成样本配置及预期通过和失败路径，说明本地报告、锁文件、外部评分和隐私风险。适合已有固定任务的开发者建立回归入口，不提供未执行的准确率成绩，也不把本地工具与免费模型额度混为一谈。
Mermaid CLI：把 Agent 流程图源文件放进可重复的构建流程
Mermaid CLI 能把流程图源文本转为可构建的文档资产，适合经常随 Agent 代码变化的审批与异常流程。本文提供官方源码、项目内安装、引擎检查、完整示例和 SVG 导出命令，说明浏览器依赖、中文字体、版本锁定及 CI 隔离边界。它不是在线编辑器的重复介绍，也不把图像导出成功当成业务流程已经正确实现。
jq 日志整理：把 AI 调用的失败与未知用量留在统计里
jq 调用日志整理可以帮助 AI 开发者识别重试、失败与缺失 usage，避免把未知用量误记为零。本文提供三个平台的官方安装路径、三行合成 JSONL、TSV 导出过滤器及任务去重统计，说明跨平台引号、内存限制和实际账单核对边界。不读取真实客户数据，不代替供应商结算，也不把调用次数当作成功任务数量。
剪映全平台教程合集：AI 赋能视频剪辑的入门资源包（Windows / macOS / iOS / Android）
剪映全平台教程合集：Windows、macOS、iOS、Android 四端一站式入门资源，覆盖安装包、使用教程、AI 字幕/配音/抠图实战，适合短视频创作者和自媒体运营。
DeepSeek Harness（dsh）开源：DeepSeek 把自家跑模型 benchmark 的 agent harness 直接放出来了
DeepSeek 把内部跑 V4-Flash benchmark 的 agent harness 以 MIT 协议开源，叫 DeepSeek Harness（dsh）。全插件化、模型无关、4 种 runtime 模式，开发者预览版可上手。
Google 发布 Gemini 3.8 Flash TTS / Flash-Lite TTS：把 Gemini Audio 系列拉到「商用级别」的最后一公里
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS：基础 Gemini 3 Pro、最长 64K token 音频输出、AI Studio 新增语音设计工作区，与 ElevenLabs、OpenAI Voice Engine 正式同台竞争。