debpalash/VoiceStudio

语言/许可： Python / AGPL-3.0
总 Stars： 89.2k
仓库： GitHub

项目定位：
面向需要私有语音能力的开发者与内容团队，提供本地优先的语音克隆、设计、配音和转写工作台；与云端语音 SaaS 相比，模型与数据默认留在本机，并支持多引擎切换。

核心功能：

• 本地语音克隆、语音设计与多语言 TTS，覆盖 646 种语言；支持 CUDA、Apple Metal 与 CPU 回退。
• 视频配音、口述、转写、有声书与批量任务；提供 watch folders 和可复用 recipes。
• 暴露本地 API 与 MCP Server，供 Agent 和自动化流程调用语音能力。
• 多引擎模型管理与安装/切换（OmniVoice、GGUF/Vulkan、whisper.cpp 等）。

技术亮点：
本地推理为默认路径，按硬件选择 CUDA/Metal/Vulkan/CPU 后端，并通过本地 API/MCP 将语音能力暴露给 Agent 与自动化流程。