

这是什么
Voicebox 是一个开源 AI 声音工作室,在 GitHub 上有约 6 万颗星,是「本地语音处理」这个方向上很火的项目。它的定位一句话就能讲清:把「克隆声音、生成语音、听写转文字、用自己声音跟 AI 对话」这几件跟声音有关的事,全部整合进一个本地桌面应用里。传统做法是——克隆声音要用一个软件、文字转语音又要另一个、语音转文字再换一个,还得把音频上传到云端服务,隐私和订阅费都是问题。Voicebox 把这套完整的「语音输入 + 输出」技术栈做成一个本地应用,声音数据不出你的电脑,也不用按月付费,装上就能用。
核心能力
- 克隆任意声音:用一小段参考音频复刻出你的(或任何人的)音色,之后让 AI 用这个声音说话
- 语音合成(TTS):输入文字生成自然语音,配合克隆的音色,给视频配音、做有声内容都方便
- 听写转文字(STT):对着麦克风说话,实时把语音转成文字,能在任意应用里「语音打字」
- 用自己的声音跟 AI 对话:把克隆好的声音接给 AI 智能体,让 AI 用「你的声音」跟你聊天,而不是千篇一律的机器音
- 全本地运行:语音的输入、处理、输出都在本机完成,断网也能用,数据隐私自己掌控
- 桌面应用开箱即用:提供图形界面,从 GitHub Releases 下载安装即可,不用自己搭环境写代码
适合谁
- 做短视频、播客、有声书,想给自己批量生成配音、又不想用付费云 TTS 的创作者
- 想做一个「自己的声音分身」,让 AI 用自己的音色说话的科技爱好者
- 需要经常录音转文字、整理会议或访谈纪要,又担心录音外泄的人
- 注重隐私、希望所有语音处理都在本地完成、数据不上云的普通用户
获取方式
项目地址:https://github.com/jamiepine/voicebox
项目以 MIT 协议开源、完全免费,在 GitHub Releases 页面下载对应系统的安装包即可使用,官网提供在线演示与文档。首次使用按引导下载所需模型(如 Whisper 语音识别、克隆音色的声码器),之后即可在本地离线运行。
相关阅读
© 版权声明
文章版权归作者所有,未经允许请勿转载。