免费开源、可本地运行,这个AI语音工具夯爆了!

最近逛 GitHub 的时候，找到一个有点东西的开源项目。

简单来说，就是把一整套AI语音工作室，直接部署到你的电脑本地。

不用充会员，不用传录音到云端，甚至连独立显卡都不是刚需。截至目前已有近100k星标，涨势猛得离谱...

项目地址：github.com/debpalash/VoiceStudio

它就是VoiceStudio，一个完全本地运行的全功能音频工作台。

可能有人会问，这不就是个AI配音工具吗，至于这么火？还真至于。

市面上的语音工具不少，但大多是：想克隆声音要找克隆工具，想视频配音要用配音工具，想转文字又得用转换软件。

来回切换账号不说，你的录音、文案、视频素材，全都要上传到别人的服务器上，钱花了不少，隐私还没个兜底。

VoiceStudio的思路就很实在：把常用的语音能力全打包进一个桌面软件里，而且全程在你自己的设备上跑。

核心功能拢共四大块：声音克隆、文字转语音配音、视频配音对齐、语音转录听写。

且支持646种语言，很多冷门小语种也能覆盖到。

Windows、macOS、Linux全平台都能用，没独立显卡也没关系，CPU也能跑，就是生成速度会慢一点。

最关键的一点：所有模型、所有生成过程、所有你的素材，都只在你本地里，不用怕录音泄露，不用怕素材被拿去训练模型，隐私这块直接拉满。

挑几个我觉得最实用的点，跟大家聊聊。

1、本地声音克隆

之前试过不少在线克隆工具，效果参差不齐就算了，上传自己的录音总有点心里打鼓。

毕竟声音这东西，跟人脸一样，属于很私人的生物特征，谁也不想自己的声音被拿去乱用到别的地方，对吧？

VoiceStudio的克隆完全在本地完成，你只需要准备一段干净的参考录音，导入进去，模型就在你电脑上训练生成。

生成好的音色模型也存在你本地，下次打开软件直接调用就行。

我自己随手录了一段30秒的日常说话内容试了试，读出来的效果不能说百分百一模一样，但语气、音色、甚至说话的停顿习惯，还原度都超出了我的预期。

日常用来做配音、念稿子，完全够用，关键是全程没联网，录音文件从始至终没出过我的电脑。

2、视频配音自动对齐

做过视频二创、译制的朋友都懂，最头疼的不是生成语音，是把新音频跟原画面嘴型对上。一句一句拖时间轴，调来调去差个零点几秒，能把人搞崩溃。

而这个工具的视频配音功能，会自动让生成的语音尽量对齐原片的说话时长。

导入视频，输入文案，选好音色，它会自己调整语速和停顿，尽量卡准原片的时间点。

虽然做不到百分百严丝合缝，但能省掉大半手动对齐的功夫。做搬运译制、多语言配音的朋友，这个功能真的能省不少时间。

3、批量长文本生成

如果需要生成很长的有声书、故事音频，它也支持批量任务处理。不用守在电脑前一句一句生成，把整段文本导进去，选好音色，挂着后台跑就行。

对于做有声内容、课程录制的人来说，这个批量功能能把效率提一大截，不用盯着页面等生成，该干嘛干嘛去，回来直接拿成品。

4、模型管理器

它不是一股脑把所有模型都塞给你下载。你想用什么语言、什么风格的模型，按需求下载就行，不用白白占掉几十G的硬盘空间。

不同效果的模型可以自由切换，想用哪个加载哪个，对小硬盘用户非常友好。

项目是完全开源的，直接在官方仓库地址进行下载就可以。

进去之后找release 版本，对应自己的系统下载安装包就行，安装很简单，一路下一步。

最后给大家两个实打实的小建议：

1、第一次用，先下个小模型试试水，不用上来就下最大的，先感受下效果合不合自己需求。

2、没有独立显卡也能跑，就是生成速度会慢一些，耐心等等就好，效果是一样的。

也不用想着把所有功能都玩明白，大多数人其实用得最多的就是配个音、转个文字，挑自己需要的功能用就行，不用有必须全学会的负担~

说实话，我自己日常常用的也就两三个功能