Voicebox - 开源 AI 语音工作室，本地替代 ElevenLabs

项目简介

Voicebox 是一个本地优先的 AI 语音工作室，开源免费，一站式替代 ElevenLabs（语音合成）和 WisprFlow（语音输入）。支持语音克隆、多引擎 TTS、全局语音输入，以及通过 MCP 给任意 AI Agent 赋予自定义声音。

核心功能

模块	说明
多引擎 TTS	7 个引擎可选：Qwen3-TTS、LuxTTS、Chatterbox、HumeAI TADA、Kokoro 等
语音克隆	零样本克隆，仅需几秒参考音频；支持多采样提升质量
23 种语言	覆盖英、日、阿、印地、斯瓦希里语等
情感标签	Chatterbox Turbo 支持 [laugh]、[sigh]、[gasp] 等副语言标签
后处理效果	音高、混响、延迟、合唱、压缩、高低通滤波等 8 种效果
无限长度	自动分块 + 交叉淡入淡出，支持最长 5 万字
Stories 编辑器	多轨道时间线，制作对话、播客、叙事音频
全局语音输入	系统级热键语音转文字，macOS 支持自动粘贴到焦点输入框
Agent 语音输出	MCP 工具调用 voicebox.speak，Claude Code / Cursor / Cline 都能说话
本地运行	模型和数据不出本机，Tauri（Rust）构建，非 Electron

技术栈

技术	说明
Tauri (Rust)	原生桌面应用框架，轻量高性能
TypeScript	前端与 API 层
MLX/Metal	macOS Apple Silicon 加速
CUDA / ROCm	Windows / Linux GPU 加速
MCP Server	内置 MCP 服务，Agent 可直接调用

适用场景

• 需要隐私保护的本地语音合成与克隆
• 为 AI Agent（Claude Code、Cursor、Cline）添加个性化语音
• 播客/有声书多角色制作
• 跨语言内容创作与翻译配音

Stars

27,735 Stars，TypeScript，MIT License