VoiceStudio：开源本地语音克隆（ElevenLabs 替代品）安装指南

VoiceStudio 是什么？

VoiceStudio（debpalash/VoiceStudio，★96k+）是 ElevenLabs 的开源替代品：一个完全在本地设备上运行的 AI 语音工作台。语音克隆、声音设计、视频配音、听写、转写、有声书朗读，支持 646 种语言——背后没有付费云服务（AGPL-3.0）。

它是 GitHub 趋势榜的常客（仓库挂着 trendshift 徽章），承诺很简单：以桌面应用形态发布（macOS / Windows / Linux，另有 Docker 镜像和预览版手机应用），所有模型本地运行，你的录音永远不离开你的电脑。

核心能力

功能	说明
语音克隆	用一段干净的参考录音，生成该音色说话的语音。
声音设计	用文字描述一个声音，直接生成。
视频配音	翻译并配音视频，语音与原片时间轴对齐。
听写与转写	悬浮听写挂件 + 本地转写。
朗读与批处理	故事、有声书和队列任务。
连接与自动化	本地 API、MCP 服务器、可复用配方和监视文件夹。

默认引擎是 OmniVoice（来自 k2-fsa），内置的模型管理器还提供几十个其他引擎可选——按需下载模型，下载前应用会先询问。

怎么安装

macOS / Linux

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

Windows（PowerShell）

irm https://voicestudio.sh/install.ps1 | iex

或者从最新 Release 下载安装包：.dmg（Apple Silicon）、.exe（Windows 10/11 x64）、.AppImage / .deb / Snap / Nix（Linux）、GHCR 上的 Docker 镜像，以及完全离线运行的预览版 .apk / .ipa 手机包。

macOS 上如果提示"VoiceStudio 已损坏，无法打开"，那是 Gatekeeper 拦截了未签名应用，不是下载坏了——项目安装指南里有解决办法。

用编码代理安装（Claude Code、Codex、Cursor 等）：把下面这段话贴进 agent 会话：

Install the VoiceStudio app on this device and verify it works, following
https://github.com/debpalash/VoiceStudio/blob/main/docs/install/agent.md

Agent 技能： npx skills add debpalash/VoiceStudio 会装两个技能——voicestudio（音频工作）和 voicestudio-maintainer（维护仓库本身）。

系统要求

• 不强制 GPU——纯 CPU 完全可用，只是慢一些。有 NVIDIA CUDA（Windows 还可选 AMD ROCm）会更快；原生 GGUF 引擎在 AMD / Intel / NVIDIA 显卡上还能走 Vulkan 加速。
• macOS 版面向 Apple Silicon（Metal）；Intel Mac 只有连远程后端的受限版本。
• Android 10+ 和 iOS 17+ 为预览版，本地离线运行。
• 模型通过模型管理器按需下载，每个模型的许可证都会展示。

在 DeepSeek Harness 里做语音

VoiceStudio 不是 DeepSeek Harness 插件——它是独立应用——但它通过本地 API 和 MCP 服务器接入 agent 生态，DSH 会话可以像其他 agent harness 一样驱动它。如果你要的是 DSH 内部的语音能力，这些是原生选项：

• 语音与讲话插件——为 DSH Profile 打造的语音合成与语音插件。
• MCP 与协议插件——可挂载进 DSH Profile 的 MCP 服务器。
• Agent 与自动化工作流——DSH 代理驱动的定时朗读与批处理任务。

FAQ

VoiceStudio 真的免费吗？ 免费。应用以 AGPL-3.0 发布（按其条款允许商用），背后没有付费云。模型权重、音色和生成物各有自己的许可证，模型管理器里逐个展示。

能离线用吗？ 能。克隆、配音、转写全部本地运行，手机版完全离线跑在设备上。唯一的联网场景是下载模型，而且会先询问。

和 ElevenLabs 有什么区别？ ElevenLabs 是按用量收费的云服务；VoiceStudio 在你自己的硬件上完成同类任务（克隆、设计、配音、转写），没有按字计费——你用一点点便利性换来隐私和零边际成本。

任何声音都能克隆吗？ 必须获得声音所有者的许可——README 明确写了。无论用什么工具，未经同意克隆他人声音都是滥用。

有中文界面或中文文档吗？ README 自带简体中文版，应用支持 646 种语言的语音工作。

支持 Linux 吗？ 支持——.AppImage、.deb、Snap、Nix 都有，NVIDIA CUDA 或纯 CPU 可选。