VoiceStudio

本地运行的开源语音工作室:克隆、配音、听写、转写与有声书,应用为 AGPL-3.0,预设 OmniVoice 模型权重不可商用开源

关于 VoiceStudio

VoiceStudio 是一款本地运行的开源语音桌面应用,覆盖声音克隆、声音设计、视频配音、听写、转写和有声书制作,仓库描述称支持 646 种语言。应用本体为 AGPL-3.0-only;贡献需签 CLA,另有闭源的 Pro 构建,附带付费商业许可证。预设模型 OmniVoice 的预训练权重为 CC-BY-NC,非商用;生成的音频会嵌入 AudioSeal 隐形水印,该开关出厂即开启。截至 2026-10-26,最新正式版为 v0.5.6,GitHub 发布时间 2026-09-23 16:53 (UTC+8)。

它解决什么问题

仓库描述把 VoiceStudio 称为 the open-source, fully-local ElevenLabs alternative,即在本机完成声音克隆、声音设计、视频配音、听写、转写和有声书制作,不依赖云服务。官网问答写它不需要账号,只在用户要求时联网:检查更新或下载模型。

产品形态。LICENSE-NOTICE 的适用范围列出 Electron 桌面端与 Web 界面、原生桌面辅助程序和 FastAPI 后端。README 写桌面端与 Web 界面只保留 Electron,Tauri 版本停在 0.5.3。安装包覆盖 macOS、Windows、Linux 和 Docker,另有 iOS 与 Android 的预览版。

开箱使用的引擎由 k2-fsa/OmniVoice 驱动,也可换用其他引擎。托管的 VoiceStudio Cloud 目前只有早期访问登记页,页面写 Nothing is live yet。

仓库 2026-04-10 05:40 (UTC+8) 创建。官网页脚写曾用名 OmniVoice Studio。近期版本:v0.5.4 于 2026-09-21 12:14 (UTC+8),v0.5.5 于 2026-09-22 08:42 (UTC+8),v0.5.6 于 2026-09-23 16:53 (UTC+8),均为正式版;预发布版 v0.5.7-beta.2 于 2026-10-24 07:10 (UTC+8),移动端 mobile-v0.5.7-beta.2 于 2026-10-24 22:03 (UTC+8)。

维护方:LICENSE-NOTICE 写维护 VoiceStudio 的公司是 Yupcha Softwares Private Limited,版权声明为 Palash Debnath 与 VoiceStudio 贡献者。README 的 Team 一栏列出 Palash Debnath,角色为 Creator and Core Team,以及 Shimul Debnath,角色为 Core Team。

Local by default. Explicit at every boundary.

VoiceStudio 隐私页标题

核心能力

工作区。README 列出声音克隆与声音设计、按时间轴对齐的视频配音、悬浮窗听写、故事与有声书、批量任务、可复用的配方与监视文件夹,以及供智能体调用的本地 API 和 MCP。首页写克隆只需三秒参考音频。

多引擎与模型管理。除 OmniVoice 外可切换其他语音引擎,模型管理器在每个模型旁显示许可证信息,并把模型商用、输出商用、再分发和声音授权分开列出。

AudioSeal 水印。CHANGELOG 0.4.0 写来源水印通过同一入口作用于所有合成音频路径;0.5.0 写设置的隐私页新增 Invisible watermark 开关,出厂即开启,对所有用户可用,只影响切换之后生成的音频。另一条记录写嵌入失败时音频按设计不加水印通过,并记录完整报错。AudioSeal 来自 facebookresearch,代码和模型权重均为 MIT。

硬件。README 写 NVIDIA 显卡走 CUDA,Apple Silicon 走 Metal,没有独立显卡也能在 CPU 上运行但更慢;Windows on ARM 为实验支持;Intel Mac 只运行界面,需连接另一台机器上的后端。官网问答写约 8 GB 内存即可起步。

本地优先。隐私页写本地的录音、生成音频、转写和派生的声音数据都写入用户自己控制的存储,网站与控制平面不会收到。

谁在用

截至 2026-10-26,GitHub API 显示 86,585 个星标、9,591 个 Fork,未关闭的 issue 与 PR 合计 194 个。

CLA 签署帖 issue 2586 于 2026-10-03 07:12 (UTC+8) 开启,截至 2026-10-26 有 53 条评论,仍为开启状态。

CHANGELOG 的条目大量以 thanks 署名外部贡献者,覆盖配音、克隆、API 兼容和平台安装等方向。README 写贡献者首次提交 PR 前需签署 CLA。

和同类比

和 ElevenLabs 比:VoiceStudio 在仓库描述中自称 fully-local ElevenLabs alternative,桌面端在本机运行,这是 VoiceStudio 自己的对标说法。

和 Voicebox 比:Voicebox 为 MIT 许可,GitHub 描述为 The open-source AI voice studio. Clone, dictate, create.,定位相近。VoiceStudio 应用为 AGPL-3.0-only,贡献需签 CLA,另有闭源 Pro 构建。

和 Coqui TTS 比:Coqui TTS 为 MPL-2.0 许可,是 TTS 深度学习工具包而非桌面应用,GitHub 显示最近一次推送在 2024-08-16。

和 OmniVoice 本体比:k2-fsa/OmniVoice 的代码为 Apache-2.0,GitHub 描述为 High-Quality Voice Cloning TTS for 600+ Languages;VoiceStudio 在其上加了配音、听写、有声书、本地 API 和模型管理等工作流。

适合与不适合

适合:

  • 需要在本机完成克隆、配音、转写,不愿把音频上传到云端的创作者和团队。
  • 需要通过本地 API 或 MCP 让智能体调用语音能力的开发者。
  • 接受 AGPL-3.0 义务、以非商业用途为主的个人用户。

不适合:

  • 直接用预设模型做商业产出的场景:OmniVoice 预训练权重为 CC-BY-NC,LICENSE-NOTICE 写购买 VoiceStudio 商业许可证不替代模型条款。
  • 需要现成商用授权模型清单的场景:model_licenses.json 中没有一条记录标为已完成商用审核。
  • 要把修改版闭源分发或私有托管的场景:Pro 页写这两项不在 Pro 与 Lifetime 范围内,需另行洽谈。
  • 只有 Intel Mac 且没有另一台后端机器的用户。

上手路径

安装。README 给出 macOS 与 Linux 的一行安装脚本,Windows 在 PowerShell 中运行对应脚本;也可从 GitHub Releases 下载 macOS 的 dmg、Windows 的 exe、Linux 的 AppImage 或 deb,或使用 Docker。安装脚本保留已有设置、项目和模型。

首次使用。README 的流程是打开 Voice cloning,选择声音或添加一段干净的参考录音,输入要朗读的内容后生成,按提示安装所需模型。

开发与集成。源码运行用 bun install、bun run setup:api 和 bun run dev;本地 API 与 MCP 的说明在 docs 目录。README 另附一段给编程智能体的安装提示词。

商业用途。官网 Pro 页提供 Pro 与 Lifetime 两档购买,无需账号即可运行 Pro。

定价与许可证

开源版:免费,AGPL-3.0-only。LICENSE-NOTICE 写在 AGPL-3.0 下商业使用免费;收费的是商业许可证,面向要把 VoiceStudio 嵌入闭源或专有产品、服务而不承担 AGPL-3.0 copyleft 义务的组织,以及 Pro 功能。

Pro:每用户每年 $99。Lifetime:每用户一次性 $299。两档都是闭源的 Pro 构建,附带商业许可证,每用户最多 3 台登记设备、3 台同时运行。Pro 页写 Pro 增加多设备、远程设备与早期功能,另有多项标为 Upcoming。

退款:条款页写购买后 7 天内全额退款;之后年付可取消下一年续费,不按已用时间退款。支付由 Razorpay、Zoho Payments 或 PayU 处理。

Enterprise:定制条款,提交询价表不构成购买或授权。闭源分发与私有托管不在 Pro 与 Lifetime 范围内。

CLA:贡献者把贡献授权给 Yupcha Softwares Private Limited。CLA 1.0 写维护方可按任何条款授权这些贡献,包括 AGPL、其他开源许可证以及商业或专有许可证;同时承诺贡献留在公开仓库期间以 AGPL-3.0 或其他 OSI 认可的许可证提供,该承诺不涉及商业或专有版本源码的公开。

模型权重:LICENSE-NOTICE 写下载的模型权重不由 VoiceStudio 重新授权,各自保留原条款。

风险与局限

非商用模型。model_licenses.json 与 model-inventory.md 标为非商用的 4 条记录,模型卡原文如下:

  • k2-fsa/OmniVoice,README 中的预设引擎:代码为 Apache 2.0,预训练模型因 Emilia 等训练数据限制为 CC-BY-NC,未注明版本。
  • Serveurperso/OmniVoice-GGUF,模型目录中的一条记录:cc-by-nc-4.0。
  • facebook/nllb-200-distilled-600M,模型目录中的一条记录:cc-by-nc-4.0。
  • mlx-community/Llama-OuteTTS-1.0-1B-4bit,模型目录中的一条记录:cc-by-nc-sa-4.0;上游 OuteAI 模型卡写其中 Llama 3.2 初始组件适用 Llama 3.2 Community License。

LICENSE-NOTICE 另写 OmniVoice 的 audio_tokenizer 含 Boson Higgs Audio 2 与 Meta Llama 社区条款,且 VoiceStudio 商业许可证不替代上述任何条款。

模型许可审核未完成。model-inventory.md 写 Every production record has missing exact-file and/or terms evidence,没有任何记录声称已获商用许可。

打包二进制。LICENSE-NOTICE 写锁定的 PyAV 15.1.0 wheel 捆绑 FFmpeg 与 x264、x265 库,其再分发要求尚未厘清。

open-core。CLA 允许维护方把贡献用于闭源商业版本;CHANGELOG 写远程计算设备、远程 worker 与 GPU 共享已从开源应用移到 VoiceStudio Pro。

稳定版节奏。截至 2026-10-26,v0.5.6 之后只发布了预发布版本。Cloud 尚未上线,条款页写托管服务可能以不同形式上线或不上线。

各处说法,并列如下:

  • 商业许可证:LICENSE-NOTICE 写付费的是 a commercial license for organizations that want to embed VoiceStudio in a closed-source or proprietary product or service without the AGPL-3.0 copyleft obligations, and the VoiceStudio Pro features;Pro 页写 Pro 与 Lifetime 附 Commercial License,同页写 Closed-source distribution and private hosting aren't in Pro or Lifetime.
  • 联网:官网问答写只在用户要求时联网:检查更新或下载模型;隐私页另列明确配置的联网适配器;CHANGELOG 0.5.7 写渲染时取不到 AudioSeal 水印 checkpoint 会在 10 分钟后重试加载。
  • 付款与法律:条款页写管辖法律 to be published before payments go live,且在启用付款前需律师审阅;同一条款页写 Pro 与 Lifetime 是真实购买,Pro 页提供 $99 与 $299 的购买入口。

模型许可记录:仓库文件 model-inventory.md 写 model_licenses.json 记录了 63 个已配置模型仓库和 7 类未定资产(截至 2026-10-26);4 条非商用记录为 OmniVoice、OmniVoice-GGUF、NLLB、Llama-OuteTTS;同一文件写 false 不代表每个模型都禁止商用。

我们的判断

推断:VoiceStudio 面向需要在本机完成克隆、配音和转写的用户,功能面宽,本地 API 与 MCP 便于接入智能体,AGPL-3.0 下的应用本体可免费用于商业用途。

推断:商业产出的限制主要来自模型而非应用:预设 OmniVoice 权重为 CC-BY-NC,模型许可清单没有一条完成商用审核,商业许可证不覆盖模型条款;项目为 open-core,贡献经 CLA 可进入闭源 Pro,生成音频带 AudioSeal 水印。

资料来源

官方

  1. Free Open-Source AI Voice Cloning & Dubbing | VoiceStudiovoicestudio.sh · 访问于 2026 年 10 月 26 日
  2. VoiceStudio Pro: Commercial License for Client Work | VoiceStudiovoicestudio.sh · 访问于 2026 年 10 月 26 日
  3. Hosted Voice and Dubbing API, Early Access | VoiceStudiovoicestudio.sh · 访问于 2026 年 10 月 26 日
  4. Website terms and current product availability | VoiceStudiovoicestudio.sh · 访问于 2026 年 10 月 26 日
  5. Privacy policy | VoiceStudiovoicestudio.sh · 访问于 2026 年 10 月 26 日
  6. VoiceStudio READMEGitHub · 访问于 2026 年 10 月 26 日
  7. GNU Affero General Public License Version 3GitHub · 访问于 2026 年 10 月 26 日
  8. VoiceStudio License NoticeGitHub · 访问于 2026 年 10 月 26 日

动态与深度阅读