VoiceStudio

VoiceStudio 是 Palash Debnath 在 GitHub 开源的桌面语音创作软件，由 Yupcha Softwares 公司维护，有 macOS、Windows 和 Linux 版。打开“声音克隆”，选一个声音或加一段干净的参考录音，输入文字就能生成语音；也可以用文字描述想要的声音（声音设计，voice design），给视频按时间轴配上译好的配音，或者把长文本做成有声书、排队批量处理。它还带一个浮动的听写小窗、语音转文字、人声分离和说话人区分。默认语音模型是 k2-fsa 的 OmniVoice，也能换成 CosyVoice、IndexTTS 等十几个引擎；README 标题写支持 646 种语言，实际能用哪些语言要看你选的引擎和模型。软件在本机 3900 端口提供兼容 OpenAI 格式的接口和 MCP 服务，仓库里的 voicestudio Skill 可以让 Claude Code、Codex 这类代理直接调用它来生成和转写音频。它特别的地方在于把模型许可摊开给你看：模型管理器会列出每个模型的许可来源、证据链接和还没核清的地方，并且分开标明能不能商用模型、能不能商用生成的音频、能不能再分发，以及声音和录音的同意要求。

适合谁：想在自己电脑上做旁白、视频配音、有声书或听写的创作者，并且愿意自己管理模型下载、硬件要求和模型许可。

使用前提：用别人的声音要先取得本人同意。README 写的是“Clone voices only with permission.”（只在获得许可时克隆声音。）软件里可以给声音档案录一段同意声明，也可以撤销；源码说明这段录音只是来源记录，不做身份或声纹验证，普通的本地生成也不强制先录同意。许可要分开看：应用本身是 AGPL-3.0，可以在 AGPL 的条件下商用，闭源嵌入要另买商业许可；默认 OmniVoice 模型的权重是 CC-BY-NC，仅限非商业使用，它的音频分词器另有 Higgs Audio 和 Llama 社区条款。项目自己的模型许可清单记了 56 个模型，没有一个被确认可以商用，其中一部分已知是非商业许可，其余还没审完，这是项目自己承认的许可缺口；买了应用的商业许可，也不包括模型、生成音频和声音本身的权利。安装可以下载 macOS、Windows、Linux 安装包，或运行官网的一行安装脚本（会核对 SHA-256）；没有独立显卡也能用 CPU 跑，README 说 CPU 版大约要 5 GB 空间，模型下载可能有几个 GB；Intel Mac 只能装界面、连远程后端。录音和听写要麦克风权限，把听写结果插进别的软件需要的系统权限因平台而异，本站没有验证。README 说本地流程在你自己的硬件上运行，远程服务是可选的：在线翻译、远程模型或后端、外部服务商都要你自己配置，可能要账号、密钥和费用，内容会发到这些服务。后端默认只接受本机连接、不需要登录；打开局域网分享会生成 6 位 PIN，远程访问还可以设 API 密钥，本站建议不要把它直接开放到公网。使用统计默认关闭，你同意后才会把固定的页面名和操作标签发到 PostHog。生成历史有保留上限，超出后会自动删掉没加星标的旧录音。

以上根据项目公开说明整理，本站没有实际测试。