Voicebox：开源版 ElevenLabs 来了
ElevenLabs 按字符收费。Voicebox 只需几秒钟音频就能克隆任何声音，支持23种语言，数据完全不出本地。免费。
Voicebox 是一个本地优先的语音克隆工作室，用 Tauri（Rust 写的，不是 Electron——性能差很多）构建。内置五个 TTS 引擎，包括阿里的 Qwen3-TTS，语音克隆质量接近完美。还有后期处理效果——变调、混响、压缩——加上多轨时间线编辑器，可以编排对话和播客。甚至提供 REST API，方便接入自己的应用。
这个项目真正的价值在于它为 Agent 打开了什么。语音是人和 Agent 交互最自然的界面，而高质量的本地 TTS 解决了最大的瓶颈：延迟和隐私。一个 Agent 能用任何声音说话，支持23种语言，亚秒级响应，完全跑在你的机器上——这和等云端 API 返回是完全不同的体验。
Voicebox 支持 macOS（MLX/Metal）、Windows（CUDA）、Linux、AMD ROCm、Intel Arc 和 Docker。GitHub 16K star，每天还在涨652个。架构很干净：React + TypeScript 前端，FastAPI 后端，SQLite 存状态。
https://github.com/jamiepine/voicebox
← 返回所有文章
Voicebox 是一个本地优先的语音克隆工作室，用 Tauri（Rust 写的，不是 Electron——性能差很多）构建。内置五个 TTS 引擎，包括阿里的 Qwen3-TTS，语音克隆质量接近完美。还有后期处理效果——变调、混响、压缩——加上多轨时间线编辑器，可以编排对话和播客。甚至提供 REST API，方便接入自己的应用。
这个项目真正的价值在于它为 Agent 打开了什么。语音是人和 Agent 交互最自然的界面，而高质量的本地 TTS 解决了最大的瓶颈：延迟和隐私。一个 Agent 能用任何声音说话，支持23种语言，亚秒级响应，完全跑在你的机器上——这和等云端 API 返回是完全不同的体验。
Voicebox 支持 macOS（MLX/Metal）、Windows（CUDA）、Linux、AMD ROCm、Intel Arc 和 Docker。GitHub 16K star，每天还在涨652个。架构很干净：React + TypeScript 前端，FastAPI 后端，SQLite 存状态。
https://github.com/jamiepine/voicebox
评论