视频配音做有声书,免费AI语音工具本地全搞定

这两年，"用 AI 说话"这件事彻底火了。

做短视频想配个旁白，自己声音不好听、又不想露脸；写了篇小说或文稿，想做成有声书解放眼睛；录课、做播客、给外语视频配上中文音轨；甚至想让一段文字，用某个特定的声音念出来。这些需求背后，都是同一件事——文字转语音、声音克隆、配音。

问题是，做得最好的那类在线服务，比如国外的 ElevenLabs ，效果惊艳，可门槛也明摆着：要订阅、按字符收费、得联网，而且你上传的文字和声音样本都要送到别人的服务器上。国内类似工具也大多按时长收费，用得多了是一笔持续开销，隐私上也总有点不放心。

今天聊的这个开源项目，等于把这套能力整个搬进了你自己的电脑：免费、能联网也能断网、声音和文稿都不出本机。它叫 VoiceStudio ，被很多人称作"本地版的 ElevenLabs"。

它 2026 年 4 月才在 GitHub 上线，半年多时间冲到 10 万多颗星、 1.1 万多个 fork，还登上了趋势榜，直到今天仍在每天更新，是今年语音类开源项目里现象级的存在。

先看几个核心数据

一句话总结：它把过去要付费、要联网的专业配音能力，做成了一个本地、免费、人人能装的桌面软件。

它到底能帮你做哪几件事？

它不是一个只会"念字"的小工具，而是把语音相关的活整合成了几个工作区，像一个小型录音棚：

第一，文字转语音（最基础也最常用）。

把一段文字输进去，选一个声音，它就能生成自然的人声朗读。做视频旁白、给课件配音、把文章念出来听，都靠这个。它默认搭载 OmniVoice 引擎，还能在模型管理器里从数十种语音引擎里挑，只下载你需要的模型，不强制塞一堆用不上的东西。

第二，声音克隆。

提供一段清晰的参考录音，它就能学习这个声音的特点，之后你输入任何文字，都能用这个声音念出来。做角色配音、给自己的视频配固定音色，非常方便。这里必须强调一条红线：项目本身就明确规定，只能在获得声音本人许可的前提下克隆其声音。 拿来克隆自己的声音、或有授权的声音完全没问题，但偷偷克隆别人、名人的声音去骗人，既违规也可能违法。

第三，视频翻译配音。

这是很惊艳的一个功能：导入一段外语视频，它能把里面的话转成文字、翻译成你的语言，再用 AI 语音配回去，而且会自动让新配音和原片的时间轴对齐——不用你一帧帧手动对口型。看外网教程、搬运翻译视频时省了大力气。

第四，听写与转录。

它带一个悬浮听写窗口，你对着麦克风说话，它在本地实时转成文字，和语音合成正好是反向的能力；也能把现成的音频、视频文件转成文字稿。

第五，有声书与批量处理。

可以把长篇小说、故事、文稿批量转成有声朗读，还支持排队任务，一次性处理一大批，适合做有声书、给孩子做睡前故事音频、或者通勤时"听"资料。

普通人怎么装？难不难？

它专门做了普通用户也能上手的桌面版，不是程序员专属的命令行：

几句必须说清楚的大实话

一点个人感受

语音合成过去一直是"云端大厂的生意"——你得用人家的服务器、按字符付费、把数据交出去。 VoiceStudio 代表的方向让我很认同：把强大的 AI 能力压缩进一个普通人能双击安装的软件里，让它在你自己的电脑上安静地工作，不联网、不计数、不偷听。

它把声音克隆、配音、转录、有声书这些原本分散在多个付费产品里的功能，整合进一个免费开源的工作台，还认真做了简体中文和全平台支持。对做自媒体、搞创作、需要大量处理语音的人来说，这是今年最值得收藏的工具之一。

技术最好的样子，或许就是这样：强大，却不昂贵；好用，且尊重你的隐私。

温馨提示： 1. 本软件为开源项目（ AGPL-3.0 ），桌面本地版免费，请仅通过 GitHub 官方 Releases 或官网（ voicestudio.sh ）下载，不要从陌生网盘、山寨站点获取，谨防被篡改； 2. 首次使用需下载语音模型，之后可离线运行；模型与数据保存在本机，但仍应从官方渠道安装以保证安全； 3. 声音克隆须获得声音本人授权，严禁未经许可克隆他人声音、伪造言论或用于任何违法违规用途，相关责任由使用者承担； 4. 个人使用免费；若计划将其集成进产品对外提供（商用），请先阅读 AGPL-3.0 协议条款；生成效果因模型和参考音频质量而异，重要内容请人工核对。

项目地址（复制到浏览器打开）：https://github.com/debpalash/VoiceStudio