VoiceStudio最新版

相比按字数计费且存在隐私外泄顾虑的云端商业配音，VoiceStudio 提供了完全运行在本地设备上的开源语音工作流程。软件原名 OmniVoice Studio，涵盖声音克隆、文本转语音、视频重配音与有声书制作等流程，所有核心计算均在用户本地完成。用户导入一段 3 秒的干净音频即可提取目标音色，并能通过输入描述词调节生成语音的年龄、性别、语速与情绪表现。

软件整合了 16 种语音合成引擎与 11 种语音识别模块，包含 CosyVoice、GPT-SoVITS 以及 MOSS-TTS 等主流模型。处理长篇文本时，用户可以直接导入电子书或文档，系统会自动分章并为不同角色分配声线，导出带章节信息的音频文件。针对视频制作需求，工具能分离背景声轨、提取字幕、翻译文本并重新匹配口型配音。软件还内置了兼容 OpenAI 格式的本地接口与 MCP 服务，方便与主流编辑器或外部程序联动。

项目基于 AGPL-3.0 协议开源，完全免费且不设生成配额，支持多达646种语言。客户端适配Windows、macOS 以及 Linux 系统，同时提供 Docker 镜像供容器化部署。软件支持 NVIDIA 显卡加速与苹果芯片原生内存架构；显存较小的设备会自动优化资源分配，纯 CPU 模式下同样可以完成模型推理与语音合成。

安装时注意空间需求，当前大概需要17G空闲空间。