Voicebox

介绍

Voicebox 是一个开源的本地语音合成工作室——ElevenLabs 的免费开源替代品。所有模型和语音数据都保存在本地，无需担心隐私泄露。

主要功能

• 声音克隆: 仅需几秒钟音频即可克隆声音
• 多引擎支持: 5 种 TTS 引擎可选（Qwen3-TTS、LuxTTS、Chatterbox 系列、HumeAI TADA）
• 23 种语言: 英语、中文、日语、阿拉伯语、印地语等
• 音频效果: 音调变换、混响、延迟、合唱、压缩等 8 种效果
• 情感表达: 支持 [laugh]、[sigh]、[gasp] 等副语言标签
• 无限长度: 自动分块 + 交叉淡化，支持长文本（最高 5 万字符）
• Stories 编辑器: 多轨时间线，适合对话、播客、叙事
• REST API: 完整的 API 供集成到自有项目
• 原生性能: 基于 Tauri (Rust)，非 Electron

平台支持

• macOS (Apple Silicon/Intel) - MLX/Metal 加速
• Windows - CUDA/DirectML
• Linux - CUDA/ROCm
• Docker

快速开始

下载安装包后，打开应用即可使用：

• 创建声音 Profile（导入音频或录音）
• 输入文本，选择引擎和语言
• 生成语音，应用效果
• 导出或继续编辑

API 文档: http://localhost:17493/docs