Voicebox 开源AI语音工作室封面插图
4

7 月

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

Voicebox:35 k 星的开源 AI 语音工作室

一句话结论:Voicebox 是 ElevenLabs + WisprFlow 的开源替代品。克隆声音、生成语音、全局听写、给 AI Agent 配音,全部在本地运行。

项目信息

字段内容
项目名Voicebox
GitHubgithub.com/jamiepine/voicebox
Stars~35,000
LicenseMIT
官网voicebox.sh

解决什么问题

ElevenLabs 按月收订阅费,你的声音数据存在其云端。WisprFlow 同理。Voicebox 把整个语音 I/O 循环搬到本地——克隆、生成、听写、AI Agent 语音输出,数据永不离机。

7 个 TTS 引擎可切换:Qwen 3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual(23 语言)、Chatterbox Turbo(情感标签)、HumeAI TADA、Kokoro(50+预设语音)。

Whisper 驱动听写:全局快捷键,按住说话松开发送到任何文本输入框。

MCP Server 内置:Claude Code 一行命令即可让 AI Agent 用你克隆的声音说话。

安装方式

下载桌面应用(Tauri + Rust,非 Electron):

开发环境:

git clone https://github.com/jamiepine/voicebox.git
cd voicebox
just setup && just dev

Claude Code MCP 集成

claude mcp add voicebox --transport http --url http://127.0.0.1:17493/mcp --header "X-Voicebox-Client-Id: claude-code"

集成后在 Claude Code 中可以直接:

  • voicebox.speak — Agent 用你的声音说话
  • voicebox.transcribe — 转录音频
  • voicebox.list_profiles — 列出声音配置

FAQ

对比 ElevenLabs 有什么优势? 完全本地运行、隐私无泄露、开源免费、7 引擎可切换。

需要什么硬件? macOS Apple Silicon 最佳(MLX 加速),Windows/Linux 需 8 GB+ VRAM。

中文支持好吗? Chatterbox Multilingual 支持 23 语言包括中文,Qwen 3-TTS 中文表现优异。

参考来源

工具链组合:搭配 MinerU 文档解析,可以将会议录音的文字稿一键转为结构化 Markdown,再注入 AI 代理进行后续处理。

分享这篇文章

RELATED

Posts