debpalash/VoiceStudio
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audiobook creation in 646 languages.
解決的問題
VoiceStudio 是一個以本地為先的音訊工作台，可消除高品質語音克隆、配音與語音轉錄對雲端訂閱與 API 金鑰的依賴。它提供多個 AI 音訊引擎的整合介面，讓使用者能在自家硬體上進行語音生成與音訊轉錄，資料全程保留在本地。
運作方式
本專案採用 Tauri 基礎的桌面外殼，前端使用 React，後端採用 FastAPI。它作為多種語音合成（TTS）與自動語音辨識（ASR）引擎（如 OmniVoice、WhisperX、CosyVoice）的註冊中心，將請求路由至本地 GPU（CUDA、MPS、ROCm）或 CPU。同時也提供 OpenAI 相容 API 與 MCP 伺服器，便於與其他工具與代理整合。
適用對象
專為需要專業音訊工具的創作者、開發者與重視隱私的使用者設計，可用於語音克隆、影片配音、有聲書製作與系統級語音輸入，無需依賴託管服務。
主要特色
- 本地為先的工作流程：核心音訊生成與轉錄預設於機器上執行。
- 廣泛的引擎支援：包含 16 個 TTS 與 11 個 ASR 引擎，涵蓋超過 600 種語言。
- 進階音訊功能：零樣本語音克隆、基於屬性的語音設計，以及保留講者特徵的影片配音。
- 生產力工具：支援系統級語音輸入小工具（可選本地 LLM 清理與使用 Demucs 進行人聲分離）。
- 開發者友善：提供 OpenAI 相容音訊 API 與 MCP 客戶端支援。
相關
- 專案
- 專案
sybil-solutions/local-studioLocal Studio is an open‑source macOS/desktop app that lets you run, manage, and chat with self‑hosted LLM back‑ends (vLLM, SGLang, llama.cpp, MLX). It combines a Bun + Hono controller (model lifecycle, OpenAI‑compatible proxy, GPU metrics) with a Next.js/Electron UI and an integrated Pi coding‑agent. The UI works locally or can point at a remote controller, and a companion mobile app (KittyLitter) can pair to reuse the same sessions. The repo provides full dev‑setup scripts, production build instructions, and a CI‑driven release pipeline.
- 專案
- 專案
collabora/WhisperLiveWhisperLive 是一個基於 OpenAI Whisper 模型的開源近即時語音轉錄伺服器。支援多種推論後端（faster-whisper、NVIDIA TensorRT、Intel OpenVINO、AMD ROCm），提供單字級時間戳、熱詞增強、說話人分離與可選翻譯功能，並提供簡單的命令列客戶端與 Python 流式 API。提供 GPU 與 CPU 部署的 Docker 鏡像，瀏覽器與 iOS 擴充功能可讓你直接從網頁或行動裝置轉錄音訊。
- 專案
Blaizzy/mlx-audioMLX‑Audio 是一個 Python 庫（搭配命令列、網頁介面與 Swift 套件），透過 MLX 框架在 Apple Silicon 上運行大量現代語音與音樂模型。支援 TTS、STT、語音轉語音、語音克隆、VAD/發言人辨識與音樂生成，提供 3 至 8 位元的量化版本以降低記憶體需求。使用 `pip install mlx-audio` 安裝，透過 `mlx_audio.tts.generate …` 或 Python 的 `load_model(...).generate` API 生成音訊，並可選擇性地提供 OpenAI 兼容的 REST API。