voicebox
开源本地语音工作室，可克隆声音、生成语音，并在任意应用中语音听写，全部在本机运行。
分享到 X许可证: MIT
概述
Voicebox 是本地优先的开源语音工作室，在你自己的电脑上运行。它可以用几秒钟音频克隆声音、生成语音，并通过全局热键向任意文本框听写输入。支持 7 个 TTS 引擎、23 种语言，还能为支持 MCP 的 AI 代理配上你选择的声音。内置的本地 LLM 负责文本润色和按配置文件区分的人设。
主要特点
- 用几秒音频克隆声音
- 7 个 TTS 引擎，支持 23 种语言的语音生成
- 用全局热键向任意文本框听写
- 为支持 MCP 的 AI 代理提供自选声音
- 模型和声音数据保留在本机
适用场景
适合不想依赖云服务、希望在一个桌面应用里完成语音生成和听写的用户。
- 上游仓库
- jamiepine/voicebox
- GitHub 上的 fork
- Guo-astro/voicebox
- 上游 Star 数
- 56k
- 分类
- 文档、媒体与内容
- 编程语言
- TypeScript
- 许可证
- MIT
- Fork 时间
- 2026-02-18
- 同步状态
- 已同步上次同步 2026-10-06
同分类更多: 文档、媒体与内容
这是一套本地 FFmpeg 工具，可通过编程代理或直接编辑和检查视频、音频，无需上传媒体或使用 API 密钥。
中文译本帮助读者阅读深度学习教材，并通过社区反馈持续修正内容。
基于Markdown的排版系统，可把文本转成论文、演示文稿、网站、书籍和知识库，并为Markdown增加脚本能力。
可将Word、PowerPoint、Excel、PDF等多种文档转换为干净Markdown的高速库，提供Node.js和Python接口。