Voicebox, 全能的AI语音克隆神器在本地安装使用

 AI 配音领域，ElevenLabs 效果确实好，但订阅费贵，隐私合规风险也不小。Voicebox 是一个本地化的语音克隆工作室，完全隐私、开源免费，还有工业级的后期处理，算是 ElevenLabs 的最强平替。

 

核心优势

Voicebox 不只是一个文字转语音工具，更像是一个本地的专业语音制作流水线。所有模型和语音数据都存在本地，不用联网上传，没有版权和隐私的顾虑。用 Tauri（Rust）构建，跟那些臃肿的 Electron 架构不一样，响应速度很快。完美适配 macOS、Windows、Linux 以及 Intel Arc 等全平台。

核心功能

集成了 Qwen3-TTS、Chatterbox Turbo、Kokoro、HumeAI TADA 等主流引擎。支持 23 种语言，包括中文、英语、日语、阿拉伯语等。零样本几秒钟快速克隆，或者用 50 多种精选预设音色。内置音高变换、混响、延迟、合唱、压缩器及滤波器。支持 [laugh]、[sigh]、[gasp] 等情感标签。提供多轨道时间线，可以创作播客、叙事或多角色对话。

安装

1. GitHub：点击跳转

 

实操：三步搞定配音

第一步：准备参考音频。可以直接录制、上传本地文件，或者采集系统音频。

第二步：配置模型与克隆。输入文字，选合适的 TTS 引擎。

 

显存或内存配置低的话选 Turbo 或低配版本。选好后系统自动下载权重文件。

第三步：音频处理与导出。用多轨道时间线精修。点右上角的三点图标，选 Export Audio 导出。

 

API 与集成

Voicebox 是 API 优先的设计，提供完整的 REST API 接口。可以集成到 n8n 等自动化工作流或第三方应用中。