OmniVoice Studio
语音 AI 工具的市场长久以来由 ElevenLabs 主导，但它的订阅费用（$5-$330/月）和云端数据处理方式让不少用户望而却步。现在，一款名为 OmniVoice Studio 的开源项目彻底改变了这一局面。
OmniVoice Studio 是 GitHub 上爆炸式增长的开源桌面应用（6,891 ⭐，仅 2 个月），被广泛称为「ElevenLabs 的开源替代品」。它将语音克隆、视频配音、实时听写、声音设计等功能整合到一个漂亮的本机桌面应用中——完全本地运行，无需 API Key，不限使用次数。
OmniVoice Studio 是什么？
简单说，这是一个一整套语音 AI 平台，包含：
- 语音克隆：3 秒音频样本即可克隆任意声音，覆盖 646 种语言
- 声音设计：调节性别、年龄、口音、音高、语速、情绪、方言
- 视频配音：贴入 YouTube 链接或上传文件 → 转录 → 翻译 → 重新配音 → 导出 MP4
- 实时听写：⌘+⇧+Space 全局快捷键，在任何应用中听写并自动粘贴
- 人声分离：基于 Demucs 的 AI 去背景音乐
- 说话人分离：自动识别谁说了什么话
为什么火爆？
| 特性 | ElevenLabs | OmniVoice Studio |
|---|
| 价格 | $5-$330/月 | 免费开源 |
| 数据隐私 | 音频上传云端 | 完全本地，不离开机器 |
| 语言 | 32 种 | 646 种 |
| GPU 自动检测 | 不适用（云端） | CUDA · MPS · ROCm · CPU |
| 桌面应用 | ❌ | macOS · Windows · Linux |
开源 & 可扩展
OmniVoice Studio 采用 AGPL-3.0 协议，代码完全开放。支持多引擎后端：
- OmniVoice（默认）：600+ 语言，零样本克隆
- CosyVoice 3：9 种语言 + 18 种方言
- MLX-Audio：Kokoro、Qwen3-TTS 等（Apple Silicon）
- VoxCPM2、MOSS-TTS-Nano、KittenTTS 等
更强大的是，它内置 MCP 服务端，可以直接从 Claude Desktop 或 Cursor 中调用本地语音能力——让 AI 也能「开口说话」。
硬件要求
- 最低：8GB 内存，4GB 显存（自动降级到 CPU）
- 推荐：16GB+ 内存，8GB+ 显存（RTX 3060+）
- 支持 Apple Silicon MPS 硬件加速
安装方式
提供预编译安装包：macOS DMG（Apple Silicon）、Windows MSI、Linux AppImage/.deb，也支持 Docker 部署。
总结
OmniVoice Studio 在短短 2 个月内获得了近 7K ⭐，说明了市场对本地化、开源语音 AI 工具的强烈需求。它不仅是 ElevenLabs 的平替，在语言覆盖（646 vs 32）、数据隐私和可扩展性上甚至超越了前者。对于视频创作者、播客制作者、语言本地化团队来说，这是一款值得立即尝试的工具。
关注我，获取更多 AI 工具推荐