
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 |
| GitHub | github.com/jamiepine/voicebox |
| Stars | ~35,000 |
| License | MIT |
| 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):
- macOS (Apple Silicon): voicebox.sh/download/mac-arm
- macOS (Intel): voicebox.sh/download/mac-intel
- Windows: voicebox.sh/download/windows
- Docker:
docker compose up
开发环境:
git clone https://github.com/jamiepine/voicebox.git
cd voicebox
just setup && just devClaude 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。
RELATED
Posts
15 10 月
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...
12 10 月
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。
9 10 月
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。
9 10 月
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。
9 10 月
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。
9 10 月
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。
8 10 月
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。
8 10 月
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。
24 9 月
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。
24 9 月
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。










