凭什么一天涨三千星？这个开源语音工作站把 ElevenLabs 搬回了本地

配音按字符计费、克隆声音得把素材传上云，一直是视频创作者和有声书作者的隐痛。VoiceStudio 把 ElevenLabs 的核心能力整套搬回了本地：声音克隆、音色设计、视频配音、听写、转录、有声书生成，覆盖 646 种语言，全部跑在你自己的硬件上。这个开源项目最近冲上 GitHub Trending，一天涨了三千多星，总星标已突破 4 万，增速排在全站第二。

项目简介

VoiceStudio 是一个完全本地化运行的开源语音工作站，采用 AGPL-3.0 协议，官方定位就是 ElevenLabs 的开源替代品。桌面端用 Electron 打包，支持 macOS、Windows 和 Linux，也提供 Docker 方式；早期的 Tauri 版本已停止维护，现在 Electron 是唯一的桌面入口。

它的默认语音引擎是 k2-fsa/OmniVoice，官方还维护了一份引擎目录和基准测试，显存不够或者想要不同音质时可以按需切换模型。更难得的是，它不只是个 GUI 工具：内置本地 API 和 MCP 接口，Claude Code、Codex 这类编码 agent 可以直接把配音、转录当成工具来调，也可以把重活交给可选的远程 worker。

VoiceStudio 的声音克隆工作区

核心功能

声音克隆：上传一段干净的参考录音，选好文本就能生成同音色的语音，官方界面里内置了一个演示音色，开箱即可试效果。

音色设计：没有参考音频也没关系，用自然语言描述你想要的声线（比如"低沉的男中音、纪录片旁白感"），系统会按描述生成对应音色。

用文字描述直接设计音色

视频配音：按时间轴对齐台词生成配音，适配短视频翻译、教程本地化这类场景；配合 646 种语言的支持，一条素材可以批量出多语言版本。

听写与转录：全局悬浮窗听写适合日常输入，批量转录适合整理播客和会议录音，这两块对长内容创作者最省时间。

有声书与批处理：长文本按章节切分生成有声书，批处理任务可以挂队列过夜跑。

视频配音工作区按时间轴对齐台词

快速上手

macOS 和 Linux 一行命令安装：

curl -fsSL https://voicestudio.sh/install | sh

Windows 用户直接去 Releases 页面下载安装包。装好后打开 Voice cloning 工作区，选一个音色或上传参考录音，输入文本点生成；首次使用会提示安装对应的语音模型，按提示确认即可。卸载时加 --uninstall 参数，设置、项目和模型都会保留。

想从源码跑或者参与开发：

bash

git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun install
bun run setup:api
bun run dev

它还有一个很"2026"的安装方式：把官方文档里那段安装提示词直接贴给 Claude Code、Codex 或 Cursor，让 agent 帮你完成装环境、装模型、测试生成全过程；支持 skills 的 agent 也可以执行 npx skills add debpalash/VoiceStudio 获得音频工作流技能。