debpalash/OmniVoice-Studio

Local voice clone, video dubbing, dictation and audiobook maker. The open-source ElevenLabs alternative.

What it solves

OmniVoice Studio 提供一个完全本地、开源的替代方案，取代像 ElevenLabs 这样的云端语音 AI 服务。它通过在用户自己的硬件上运行所有处理，消除每月订阅、API 密钥，以及将个人音频数据发送至外部服务器所带来的隐私风险。

How it works

该软件将多种文字转语音（TTS）和自动语音识别（ASR）引擎整合到单一桌面应用程序中。支持多样的硬件加速选项，包括 NVIDIA CUDA、Apple Silicon MPS 和 Linux 上的 AMD ROCm，并在 VRAM 受限的系统上自动将计算卸载到 CPU。用户可以从 14 种 TTS 引擎和 11 种 ASR 引擎中选择，执行语音克隆、翻译和转录等任务。

Who it’s for

此工具面向创作者、开发者以及注重隐私的用户，让他们在不依赖云端基础设施的情况下，获得专业级的语音工具，用于口述、电子书制作、视频配音和语音设计。

Highlights

  • Zero-Shot Voice Cloning：只需 3 秒音频片段，即可在 646 种语言中镜像任何声音。
  • Local Video Dubbing：端到端流水线，可将视频文件或 YouTube URL 转录、翻译并重新配音，输出 MP4 格式。
  • Comprehensive Audio Tools：包括电子书编辑器（支持 EPUB/PDF 导入、.m4b 导出）、多声线故事编辑器，以及可在任何应用中使用的口述小部件。
  • Extensive Engine Support：支持 14 种 TTS 引擎（如 CosyVoice、GPT-SoVITS）和 11 种 ASR 引擎（如 WhisperX、Faster-Whisper）。
  • Privacy-First：100% 本地执行，无需账户或云端连接。
  • Integration：包含 MCP 服务器，可与 Claude、Cursor 等 AI 客户端配合使用。