卧槽，ElevenLabs的订阅费白交了
VoiceStudio：开源本地平替，声音克隆配音转写全包，646种语言，50.2k star
先码住，怕找不到
https://github.com/debpalash/VoiceStudio
VoiceStudio 开源本地声音克隆工具，646 种语言配音转写免费替代 ElevenLabs
VoiceStudio 是一款开源的声音克隆与音频生产桌面应用，基于 Electron 构建，把声音克隆、声音设计、视频配音、听写转写与有声书制作整合进同一个工作台，官方称支持 646 种语言。它默认搭载 k2-fsa/OmniVoice 引擎，也可以切换其他引擎，本地工作流直接跑在自己的硬件上，远程服务属于可选项，使用分析数据需要用户同意才会采集。项目以 AGPL-3.0 协议开源，在 GitHub 上已经积累了相当高的关注度，被不少用户视为 ElevenLabs 的本地平替方案。
安装方式覆盖 macOS、Windows 与 Linux，提供一行命令脚本、安装包下载以及 Docker 等多种途径，也支持让 Claude Code、Cursor 等编码代理代为安装。
痛点是什么
做视频、播客或有声书的人，往往绕不开配音和转写这两件事。云端语音服务按字符或订阅计费，用量一大成本就压不住，长音频批量处理时账单更难预估；把稿件和录音上传到第三方平台，还意味着素材离开本地，涉及未发布内容或敏感台词时并不放心。另一方面，本地开源方案过去常常要自己拼装环境、手动下载模型、写脚本调用，普通创作者很难跑通，多语言支持也参差不齐。VoiceStudio 想解决的正是这种「想用 AI 配音却不想被订阅绑住、又不想折腾命令行」的处境。
主要功能特点
它把音频生产中最常用的几件事收进一个桌面应用，从克隆声音到产出成品基本不用切换工具，模型管理也在同一界面完成。
声音克隆与声音设计
用一段干净的参考录音克隆音色，或直接设计属于自己的声音。
视频配音与批量生产
按时间轴为视频配上对齐的语音，也能批量生成故事与有声书。
听写与转写
通过悬浮小组件随时听写，把语音内容快速转成文字。
本地 API 与 MCP 接入
提供本地接口与 MCP，方便智能体和其他工具调用音频能力。
为什么值得关注
它把开源、本地运行和多语言能力放在一起，对预算敏感又在意素材去向的创作者来说，是一个值得放进工具箱的选项。
本地运行，成本可控
工作流跑在自己的硬件上，远程服务可选，不必为每次生成付费。
硬件门槛友好
NVIDIA 显卡走 CUDA，Apple Silicon 走 Metal，没有独显也能用 CPU 跑。
开源可扩展
AGPL-3.0 开源，可切换引擎，并提供本地 API 与 MCP 供二次集成。
推荐信息
丰收
@ai_fengshou 2026年10月07日 12:38