VoiceStudio 是一套完全开源、跑在本地的语音工作流，想替掉 ElevenLabs 那类托管式的语音服务。它把声音克隆、配音、听写、转录、有声书制作全收进一个桌面应用。目前是活跃测试版，项目建议直接用最新 release 而不是追 main 分支。
它的工作流围绕"自己的硬件"展开。克隆声音、给视频配音、实时听写都能在本地完成。配音流程是先转录、再翻译、再合成、最后导出。有声书能从 EPUB、PDF 导入，导出成 .m4b。它把"从原文到成品音频"的链路尽量收进一个应用。
底层用 Tauri 加 React 做桌面界面。FastAPI 跑本地后端，只在环回地址通信。远程功能要手动开启，默认不对外暴露。这种隔离设计，正是它敢说"数据不出本机"的底气。
它内置了 16 个 TTS 引擎和 11 个 ASR 引擎。VoiceStudio 自有 OmniVoice、CosyVoice 3 都在列。GPT-SoVITS、VoxCPM2、IndexTTS 2.5 也都能接。引擎多到能按需挑，但首次跑得先下载模型权重。
和 ElevenLabs 比，差距不在单点音质上限。ElevenLabs 的音频文本都走供应商服务器。VoiceStudio 装好模型后能完全离线运行。README 原话是：它用本地控制权，换掉了托管云算力。
成本结构也完全不同。ElevenLabs 按量计费，用得越多越贵。VoiceStudio 免费，代价是你自供硬件。定制上它把引擎、模型、API 全打开，ElevenLabs 则受平台限制。
开源里也有老牌对手 coqui-ai/TTS。它有约 4.6 万星，是生产级深度学习 TTS 工具箱。协议是 MPL-2.0，偏底层工具而非完整应用。它适合当引擎用，不像 VoiceStudio 串成工作流。
fishaudio/fish-speech 约 3.3 万星，主打 SOTA 开源 TTS。hexgrad/Kokoro 约 8.7 千星，是 82M 的轻量小模型。Kokoro 用 Apache-2.0，适合低资源设备部署。这三家多是单点引擎，完整应用层还是 VoiceStudio 补位。
所以竞品定位很清楚。要单引擎、要嵌入自己系统，选 coqui 或 Kokoro。要开箱即用的本地全套语音，VoiceStudio 更顺手。它补的是"应用层"，不是和引擎库正面拼指标。
安装命令：
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun install
bun run desktop浏览器 UI 用 bun run dev，桌面端用上面这组命令。首行超 50 字符就不塞进代码块了，上面四行都在限制内。
第一个坑是协议：应用整体 AGPL-3.0。这意味着闭源产品化要另谈商业许可。README 也提醒，部分模型另有独立条款。比如 IndexTTS 2.5 月活过亿需 Bilibili 书面授权。
模型权重要自己准备，首跑会触发下载。没显卡也能跑，但加速至少 4GB 显存。默认工作流建议 8GB 以上，大模型要 12 到 16GB。显存不够会掉回 CPU，速度和体验明显打折。
平台也有雷区。Intel Mac 跑不了本地后端，只能接远程。macOS 首次启动要右键打开，别直接双击。ROCm 只支持 Linux，Windows 的 AMD 显卡只能走 CPU。
它提供 Colab 在线笔记本做远程试用。但要注意，Colab 走远程算力，数据不留在本地。想要真正的本地闭环，还是得在自己机器上跑。远程试用方便，却和"数据不出本机"的卖点错位。
它适合看重隐私、想脱离订阅的个人用户。自托管团队、做有声书或视频本地化的人也合适。内部语音助手、批量转录都能在本地闭环。这类人最在意的是数据不离开自己机器。
不适合只想点一下就出声的轻度用户。不愿折腾环境、不想管模型的人会劝退。闭源商业产品也不能直接打包它的代码。它要的是"愿意自己运维"的使用者。
同时它的README 也提到，没有克隆能力的引擎在配音时会被拒绝。它不会悄悄换引擎，而是直接报错让你知道。这个设计减少了"以为克隆了其实没克隆"的坑。明确报错比静默降级更省后期排查时间。
对集成开发者，它留了 OpenAI 兼容 API 和 MCP。代理能把它当语音能力层直接调用。README 里也提到了代理技能（agent skill）的接入。这让它能嵌进现有的编码代理工作流里。
仓库明确标注 Active beta，main 分支可能随时变动。真要稳定用，盯住最新 release 而不是追主干。把它当 beta 工具，别直接塞进生产关键链路。
整体看，VoiceStudio 的价值在"缝合"而非"单点"。它把分散的开源语音引擎，用本地界面缝成工作流。它不追单点的极致指标，追的是自己的机器、自己的数据。第一次体验前，先留好带宽和磁盘给模型。
项目地址：https://github.com/debpalash/VoiceStudio
竞品地址：
- ElevenLabs（商业产品，目前无开源仓库）：https://elevenlabs.io
- coqui-ai/TTS：https://github.com/coqui-ai/TTS
- fishaudio/fish-speech：https://github.com/fishaudio/fish-speech
- hexgrad/Kokoro：https://github.com/hexgrad/kokoro