这是一个完全基于本地硬件运行的开源AI语音平台，旨在解决用户在使用传统语音服务时必须依赖云端账户、支付API订阅费用以及担心音频数据隐私泄露的问题。它将语音克隆、视频配音、语音转写、有声书制作等功能整合在一台个人电脑上，实现真正的“开箱即用”与数据自持。

核心特性一览

根据项目说明，该平台具备以下主要能力：
* 多模态语音工作流：支持声音克隆与设计、视频多语配音、系统级听写输入、长篇故事/有声书生成以及批量任务队列处理。
* 庞大的模型生态：内置 16 种文本转语音（TTS）引擎和 11 种语音识别（ASR）引擎，支持超过 646 种语言（实际效果取决于所选引擎），并提供统一的模型目录管理界面。
* 极致的隐私与成本控制：默认工作流全程在本地完成，无需注册账号、申请 API Key 或按月订阅，所有生成的声音、项目和设置均安全保存在本机磁盘。
* 跨平台与硬件适配：完整覆盖 macOS、Windows 和 Linux 系统，支持 NVIDIA CUDA、Apple Silicon (MPS/MLX)、AMD ROCm 以及纯 CPU 模式，并具备 GPU 自动检测与显存智能调度功能。
* 开发者友好接口：提供本地 REST/SSE/WebSocket API，完美兼容 OpenAI 标准音频接口格式，同时集成 MCP Server 协议，方便接入各类自动化工作流与 AI Agent。
* 附加专业工具：内置人声分离、说话人分辨、AI 隐形水印标记以及远程模型进度同步下载功能。

快速上手指南

你可以通过下载桌面端安装包或使用 Docker 容器来体验该项目。以下是基础的启动与配置方式：

1. 桌面端首次运行
从最新版本页面下载对应系统的安装包后直接安装。首次启动时，程序会自动创建 Python 运行环境并下载基础模型文件。在 macOS 上需通过右键选择“打开”以绕过系统安全限制。启动后进入“声音克隆”标签页，上传一段 3 到 15 秒的清晰参考音频，输入目标文本并选择语言，点击“生成”即可开始合成。

2. Docker 容器部署
适合习惯容器化管理的用户，一键启动本地服务：

docker run -d -p 127.0.0.1:3900:3900 -v omnivoice-data:/app/omnivoice_data --name voicestudio palashdeb/omnivoice-studio:stable

3. API 调用示例
若希望将本地服务作为 AI 接口的替代，只需将客户端的基础地址指向本地回环地址即可。通过 cURL 发送请求可快速验证合成效果：

curl http://localhost:3900/v1/audio/speech \
-H "Content-Type: application/json" \
-d '{"model": "tts-1", "input": "Made on my own hardware.", "voice": "default", "response_format": "wav"}' \
--output speech.wav

适用场景与目标用户

• 独立创作者与多媒体制作者：需要频繁进行多语种视频配音、有声书章节渲染或字幕时间轴对齐，且对交付速度和数据保密性有较高要求的博主、UP主及小型工作室。
• 注重隐私的技术爱好者：不希望自己的录音素材、文稿或个人身份信息上传至第三方云服务器，倾向于将核心计算资源掌握在自己手中的用户。
• 本地化部署开发者：正在构建私有化 AI 应用、客服系统或内容生产管线，需要一个稳定、符合标准接口且支持插件扩展的语音底层服务的工程师。
• 硬件条件充裕的体验者：配备主流独立显卡或 Apple Silicon 芯片，想要测试最新语音合成算法效果、对比不同引擎输出质量并进行深度定制的发烧友。

总结

VoiceStudio 提供了一个非常务实的本地化语音解决方案，成功将原本昂贵且充满不确定性的云服务转换为用户可控的私有资产。其模块化引擎设计让新手也能通过直观的图形界面轻松完成复杂任务，同时开放的标准接口又为高级玩家留足了二次开发的空间。目前项目仍处于活跃测试阶段，整体架构扎实且生态持续扩展中，建议访问其主页获取更详细信息。