AI前沿速递｜VoiceStudio 17K星本地版ElevenLabs、OpenWhispr 6.7K星开源听写神器
语音AI这两年最火的话题，除了大模型本身，就是”本地化”。以前你想用个语音克隆、语音转文字，要么掏钱买商业API，要么把录音传到别人服务器上——多少人一想到自己的声音片段躺在某家公司的数据库里，心里就犯嘀咕。现在风向变了：能跑在你机器上的语音工具越来越多，而且开源。今天这俩项目正好是这波趋势的两个代表，一个管”说”，一个管”听”。
1. VoiceStudio — ⭐17.5K
一句话定位： 开源、全本地的ElevenLabs替代品，语音克隆、声音设计、视频配音、听写、转录、有声书创作一条龙，声称覆盖646种语言。前身叫OmniVoice-Studio，Python写的桌面应用。
解决什么问题： 本地工作流不需要账号、不需要API Key、没有订阅也没有用量计费。你的声音、工程、录音、生成结果默认全部留在本机。零样本克隆，3秒的干净录音就能出活，5到15秒效果更好；内置16个TTS引擎、11个ASR引擎，随时可切换。
核心亮点：
– 跨平台：macOS（Apple Silicon）、Windows 10/11、Linux，外加Docker镜像，一条命令跑起来
– 算力灵活：CUDA、苹果MPS/MLX、Linux下的ROCm、纯CPU都支持
– 内置水印：默认集成Meta的AudioSeal，生成的语音打上人耳听不出的水印，方便溯源防滥用
– 接口开放：桌面应用之外还有本地REST/WebSocket API、OpenAI兼容音频接口、MCP Server，能嵌进你自己的工作流
– 许可证AGPL-3.0；基于OmniVoice、WhisperX、Demucs、GPT-SoVITS、PocketTTS等一堆开源组件
上手方式： 去GitHub Releases下载对应平台安装包；Docker用户一条命令：docker run -d -p 127.0.0.1:3900:3900 palashdeb/omnivoice-studio:stable。首次启动会自动创建Python环境并下载默认模型。
实话： 我没在这台服务器上实测过。项目自己都标注是Active beta，main分支随时可能改。本地语音克隆的真实体验通常取决于显存，而且中文长文生成偶尔会有口音漂移，这些都得你亲自跑一遍才知道。另外别忘了：克隆别人声音前先征得同意，这是红线。
适合谁： 想做视频配音、有声书、语音包的Up主和独立开发者；以及所有在意”我的声音被第三方平台存着”这件事的人。
2. OpenWhispr — ⭐6.7K
一句话定位： 开源、隐私优先的语音听写App，按下热键说话，文字直接出现在光标处。官方定位是Wispr Flow和Granola的免费替代品。Electron/JavaScript写的，跨macOS、Windows、Linux。
解决什么问题： 把”说话”变成”打字”。开会转录、随手记笔记，还能接AI代理把语音文字加工成行动项。核心卖点就俩字：隐私。
核心亮点：
– 本地模型：Whisper（whisper.cpp）和NVIDIA Parakeet（sherpa-onnx）离线转录，音频不出设备
– 云端可选：追求速度可以带自己的API Key（BYOK）走云端，OpenAI、Gemini、Groq都支持
– 无数据采集、无遥测，MIT协议，个人商用都免费
– 技术栈很新：React 19 + TypeScript + Electron，数据用better-sqlite3存本地，自带MCP Server能跟你的Agent工具链打通
– 本地llama.cpp跑LLM做AI文字处理，从识别到加工全程不离机
上手方式： GitHub Releases直接下载安装包，装完设个热键，说话就行。想折腾的可以写自定义ASR shim，接自己非OpenAI兼容的后端。
实话： 同样没实测。听写类工具最大的考验永远是中文：口音、专有名词、中英混说，识别率行不行得自己试。另外”热键听写”这种交互，对键盘肌肉记忆已经固化的老码农来说，改习惯比装软件难。
适合谁： 写文档、回消息、记会议纪要嫌打字慢的人；开会必须录音但不想把内容传上云的打工人。
今晚的观察
这俩项目放一起看特别有意思：一个管声音输出，一个管声音输入，喊的是同一句口号——数据留在本地。语音克隆最敏感的点在于，声音就是你的生物特征，交给商业API等于把”你”永久授权出去；听写最敏感的是”你说了什么”。当输入和输出都能在本地闭环跑通，语音AI才真正从”平台的功能”变成”你的工具”。至于听写能不能替代键盘？我看短期不能全替代，但会议记录、长文口述这些场景，真能省不少手指头。开源的意义就在这：多一个选择，不用等着厂商施舍配额，也不用拿隐私换便利。
以上项目均未深度实测，星数与功能以仓库页面为准，上手请自备显存、耐心和一张同意被你克隆的嘴。
by 数码罗记·godsun.pro
