5 万 stars 的开源“本地 ElevenLabs”：语音克隆配音全免费，但有个授权陷阱

ElevenLabs 每月收你 6 美元起的语音克隆和配音活儿，现在有人把它整个搬进了你自己的电脑——开源、免费、不用联网。据 GitHub 页面显示，这个叫 VoiceStudio 的项目截至 2026 年 10 月 8 日已经拿下约 5.4 万 stars，9 月底还两度登顶 GitHub 趋势榜第一。但是先别急着狂欢：它默认引擎的模型权重用的是 CC-BY-NC 协议，开箱即用的音频不能商用，想拿来赚钱得先手动换引擎。这篇把坑和用法一次讲清。

VoiceStudio 是什么：一句话定位

VoiceStudio（仓库名 debpalash/VoiceStudio）是一个开源、完全本地运行的 AI 语音工作站，自称是“open-source, fully-local ElevenLabs alternative”——把语音克隆、声音设计、视频配音、听写、转录、有声书制作装进一个桌面应用，核心流程全部在本机执行：不需要账号、API Key 或订阅，也没有按生成分钟数计费。适合做视频旁白、播客、有声书的创作者，也适合在意隐私、不想把稿件和声音数据上传到云端的用户。之前介绍过的开源效率工具走的也是“本地免费”这个路子。信息核对时间：2026 年 10 月 8 日。

核心特点：功能清单

• 语音克隆：3 秒音频样本就能复制声音，5～15 秒通常效果更好；支持 646 种语言目录（具体语言的生成质量依所选引擎而定）。
• 视频配音：丢进去 YouTube 链接或本地视频文件，自动转录、翻译、匹配音色、重新配音，输出 MP4。
• 听写与转录：整合 11 种 ASR 引擎，全局快捷键（Mac 上是 ⌘+⇧+Space）在任意应用里按住说话，自动转录粘贴。
• 有声书工作流：带剧本编辑器、角色配音分配（Voice Casting）、批量队列，一次拖 50 个文件也能排着处理。
• 16 种 TTS 引擎可插拔：不绑死单一引擎，约 50 行代码就能按官方的 TTSBackend 接口自己加引擎。
• 平台与加速：桌面端支持 macOS（DMG）、Windows（MSI）、Linux（AppImage），也有 Docker 镜像；算力走 NVIDIA CUDA、Apple Silicon MLX、Linux ROCm，也能纯 CPU 跑，显存不够会自动卸载模型。
• MCP 服务器：可以被 Claude、开源 AI 编程工具 OpenCode、Cursor 等 AI 编程工具直接调用，写作流里顺手生成配音。
• 本地优先：声音、转录文本、工程文件默认只存自己设备；生成的音频默认带 Meta AudioSeal 不可见水印（能证明是合成音频，防滥用倒是一件好事）。
• 开源协议：应用本身 AGPL-3.0——个人本地用、自己改都没问题；但如果把修改版当网络服务提供，就得按同协议开源源码。
• 热度：2026 年 4 月建仓，9 月 28 日、29 日连续登顶 GitHub 趋势榜第一，单日最高涨星约 4700，star 总数约 5.4 万、fork 超 6000。

先看坑再下载：默认引擎的授权陷阱

这是全网介绍文章里最容易被略过的一层，也是我觉得这篇最值得写的原因。

VoiceStudio 默认搭载的引擎叫 OmniVoice，代码是 Apache-2.0 没错，但模型权重用的是 CC-BY-NC（知识共享-非商业）协议。翻译成人话：用默认配置开箱生成的音频，一律不能拿去商用——你做个视频发着玩没事，接商单、做付费课程配音就踩线了。项目文档里写了这条，但多数中文介绍只字未提。

想商用，官方给了出路：去「设置 → TTS Engine」里手动换引擎，全局生效。端到端 Apache-2.0、可商用的替代引擎包括 CosyVoice 3（支持 9 语言加 18 种方言，可克隆）、VoxCPM2（30 种语言，可克隆）、MOSS-TTS-v1.5（31 种语言，可克隆），另外 dots.tts、Confucius4-TTS 也是 Apache-2.0。代价是：这些替代引擎的语种覆盖远不如默认引擎——默认那 646 种是“语言目录规模”，不是每个语言都有同等质量，别被数字忽悠了。

还有两个顺带提醒：第一，项目不强制验证克隆授权，“consent is the user's responsibility”——克隆别人的声音，合规责任全在你自己，别干蠢事。第二，同名 fork 和镜像仓库很多，认准 debpalash/VoiceStudio，官网是 voicestudio.sh。

入口与出处

• GitHub：https://github.com/debpalash/VoiceStudio（认准 debpalash 这个作者）
• 官网：https://voicestudio.sh
• 下载：GitHub Releases 页有 macOS DMG、Windows MSI、Linux AppImage；Docker 用户拉 ghcr.io/debpalash/omnivoice-studio 镜像
• 文档：仓库内 README 有中文版（README_CN.md）

信息核对日期：2026 年 10 月 8 日。下载类入口只给官方渠道，不提供来路不明的安装包。

常见问题

Q：完全免费吗？
A：软件本身免费开源（AGPL-3.0），本地运行不收一分钱，也没有 ElevenLabs 那种按字符/分钟计费。但是注意：默认引擎的模型权重是 CC-BY-NC，生成的音频不能商用；商用请切换到 Apache-2.0 的替代引擎。另外跑本地模型需要一块过得去的显卡，加速最低 4GB 显存，默认多阶段工作流建议 8GB 以上——这笔“硬件费”别忘了算进去。

Q：信息是最新的吗？
A：核心事实核对于 2026 年 10 月 8 日（star 数、引擎数量、授权条款以官方最新说明为准）。开源项目迭代快，下载前建议再扫一眼 GitHub README 的引擎矩阵表和 Releases 页。

Q：链接打不开怎么办？
A：GitHub 国内访问偶尔抽风，先刷新或换个网络再试；也可以在评论区留言，我会核对补档。注意只从官方仓库和官网下载，别去第三方“高速下载站”找安装包。

Q：本站是 VoiceStudio 官网吗？
A：不是。本站是独立介绍，使用中遇到的问题请优先去官方 GitHub 提 Issue 或看文档。

来源声明

本文根据 VoiceStudio 项目官网、GitHub 仓库 README（含中文版）、dev.to 与 explainx.ai 的公开报道及 open-apps 策展记录整理，本站与该项目无官方隶属关系；功能、授权与引擎支持情况可能调整，请以官方最新说明为准。未亲自验证的内容不写“实测”。