OmniVoice Studio
开源本地语音克隆与合成桌面应用，4.2K+ stars。ElevenLabs 的开源替代方案——支持本地声音克隆、语音设计、配音和听写，完全离线运行保护隐私，是 AI 语音创作的一站式工具
🎯适用场景：多模态内容理解与生成
📊 仓库数据
📈 Stars 变化 ↑1 天 +62· 统计区间 6/11 00:29 → 6/12 06:59（1 天）
✅ 优点
- •开源本地运行保护隐私
- •ElevenLabs 替代方案
- •声音克隆/配音/听写一体
- •桌面应用易用
⚠️ 限制
- •需要一定 GPU 资源
- •语音质量可能不如商业方案
- •多语言支持待增强
🔗 相关工具
Real-Time Voice Cloning
github.com/corentinj/real-time-voice-cloning
5 秒语音克隆工具，59,640+ stars。只需 5 秒音频样本即可克隆任意人声，支持实时语音合成，是语音合成和 TTS 领域的里程碑项目
🎯语音合成与实时语音交互
GPT-SoVITS
github.com/RVC-Boss/GPT-SoVITS
1 分钟数据训练 TTS，56,826+ stars。强大的少样本语音克隆和文本转语音工具，仅需 1 分钟参考音频即可训练出高质量 TTS 模型，支持多语言和中日英三语合成
🎯语音合成与实时语音交互
OpenVoice
github.com/myshell-ai/OpenVoice
MIT 和 MyShell 联合开发的即时语音克隆模型，支持零样本 TTS。只需几秒音频即可克隆声音，跨语言支持英语、中文、日语等
🎯语音内容创作、个性化助手声音、跨语言语音合成
Dia
github.com/nari-labs/dia
一次推理生成超真实对话式 TTS 语音的模型，19k+ stars
🎯生成自然的对话式语音输出，适合播客、有声书和 AI 语音助手
ChatTTS
github.com/2noise/ChatTTS
日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达
🎯语音合成与实时语音交互
Voicebox
github.com/jamiepine/voicebox
Voicebox 是开源的语音合成工作室，提供高质量的文本转语音 (TTS) 能力。支持多语言、多音色、情感化语音生成，22,208 stars（周增 5,198 星）。与商业 TTS 服务不同，Voicebox 完全开源可自部署，提供 Web UI 和 API 两种使用方式。支持声音克隆（少量样本即可）、实时流式输出、SSML 标记语言控制韵律和语调，是播客制作、有声书生成、游戏配音和 AI 语音助手的理想选择
🎯播客/有声书自动化、游戏 NPC 配音、AI 语音助手、视频内容配音、无障碍朗读