5k星星！无GPU都能跑的「开源声音克隆工具」，646种语言，多系统支持一键安装

ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。

最近新出的音频克隆项目不多，今天给大家推荐的这个很有特色，功能很多，而且对显存低的机器很友好，Win/Mac/Linux都支持。

已经点了5k星了。

项目简介

OmniVoice Studio是一个全本地运行的ElevenLabs开源替代方案，支持本地语音克隆、设计、创建、配音和听写。

很多自称本地运行的开源音频工具，要么配置极其复杂，要么前端UI极其简陋，根本无法用。

OmniVoice Studio直接提供了跨平台的桌面客户端，直接支持646种语言 的声音克隆。

运行原理：

1. 最低内存要求为4GB，内存≤ 8 GB 时，TTS模型会在转录过程中自动卸载到CPU上运行。
2. 内存≥ 8 GB 时，所有操作都会同时在GPU上运行。
3. 没有GPU的情况下，CPU 模式也能运行，只是速度会慢一些，TTS速度大约慢3倍。

功能特点

• 零样本声音克隆：无需微调训练，只需导入一段3秒钟的目标音频样本，系统就能很快复刻音色。
  

• 声音设计：用户随意调节声音的性别、年龄、口音、音高、速度、情感乃至地方方言，生成的声线可直接存入本地声音画廊随时调用。
  

• 电影级视频自动翻配：集成多模态管线，支持直接导入YouTube链接或本地MP4，系统会自动分离人声和背景音，然后进行说话人识别和文本切片，随后一键用克隆音色重组输出新语言的视频。
  

• 全局悬浮听写组件：按下全局快捷键唤起毛玻璃悬浮窗，直接说话，系统通过本地WebSocket进行流式语音识别，自动把文字粘贴到你当前光标所在的任何输入框内。
  
• 原生支持MCP：内置MCP服务端，让你可以直接在 Claude Desktop、Cursor或其他AI Agent客户端中一键配置、直接调用本地的OmniVoice语音能力。
  
• 多后端引擎、极低硬件门槛：除了默认模型，系统还原生集成了阿里CosyVoice 3、针对苹果M芯片优化的MLX-Audio（内含Kokoro、Qwen3-TTS）等后端。内置显存智能感知离线机制，在显存小于8G 时会自动将TTS模型移出显存由CPU接管，彻底杜绝 显存溢出崩溃。

项目链接

https://github.com/debpalash/OmniVoice-Studio

文章来自于"开源AI项目落地"，作者 "开源AI"。