它是什么,不是什么
- 它是在你自己的硬件上运行语音模型的桌面、Docker 和手机软件。应用下载任何模型前都会先询问;已安装的模型可离线运行。
- 它附带智能体技能(skills/voicestudio/SKILL.md)并提供 MCP 接口,Claude Code、Codex、Cursor 等智能体可以通过你的本地后端生成语音和转写。
- 它不是托管的云端 TTS 服务,也无法在本页面直接使用。
技能不等于应用
安装技能只是教会智能体如何与 VoiceStudio 通信。智能体仍然需要一个正在运行的后端,默认地址为 http://localhost:3900。请先启动桌面应用或 Docker 容器,再添加技能或 MCP 连接。
安装
命令抄录自上游 README 和 docs/install/docker.md(提交 4d4cb0badf99,2026 年 10 月 31 日)。我们尚未亲自运行;安装前请先核对 README。
A. 安装脚本(macOS / Linux)
在终端运行(README「Get started」一节)
curl -fsSL https://voicestudio.sh/install | sh如果 voicestudio.sh 无法访问,README 给出了直接从仓库运行的备用命令:curl -fsSL https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh | sh。把脚本交给 sh 执行前请先阅读。
B. 安装脚本(Windows PowerShell)
在 PowerShell 运行(README「Get started」一节)
irm https://voicestudio.sh/install.ps1 | iex想用普通安装包?最新发布页提供 Windows .exe、macOS .dmg、Linux AppImage / .deb / Snap、Android .apk 和 iOS 侧载 .ipa。应用在下载任何模型前都会先询问。
C. Docker(CPU,官方 GHCR 镜像)
在无界面或 AMD64 主机上运行(docs/install/docker.md)
export OMNIVOICE_API_KEY="$(python3 -c 'import secrets; print(secrets.token_urlsafe(32))')"
docker pull ghcr.io/debpalash/voicestudio:stable
docker run -d --name omnivoice \
-p 127.0.0.1:3900:3900 \
-e OMNIVOICE_API_KEY="$OMNIVOICE_API_KEY" \
-v omnivoice-data:/app/omnivoice_data \
ghcr.io/debpalash/voicestudio:stable即使只开放回环端口,也必须设置管理员 API 密钥。首次运行会下载约 2.4 GB 模型权重(可用 docker logs -f omnivoice 查看)。NVIDIA 显卡加 --gpus all;AMD 使用 :stable-rocm 标签;ARM64 NVIDIA 使用 :stable-cuda-arm64。:stable 跟随正式发布,:latest 是 main 分支的滚动构建。Apple Silicon 请改用原生 macOS 应用。
D. 智能体技能
在终端运行(README「Agent skills」一节)
npx skills add debpalash/VoiceStudio音频工作请选择 voicestudio。仓库还提供 voicestudio-maintainer,供维护 VoiceStudio 代码本身的人使用。安装技能不会安装应用。
从 GitHub 最新发布页下载安装包 · 完整 Docker 指南 · 让编程智能体代为安装(docs/install/agent.md)
GPU 还是 CPU?
不需要 GPU。上游说明应用可完全在 CPU 上使用,只是更慢;原生 GGUF 引擎还可以在 AMD、Intel 和 NVIDIA 显卡上使用 Vulkan。我们不引用速度数据,请查看 上游性能页面。
| 平台 | 加速 / 状态 |
|---|---|
| macOS(Apple Silicon) | Metal(MPS) |
| Windows 10/11 x64 | NVIDIA CUDA · AMD ROCm(需手动开启)· CPU |
| Linux x64 | NVIDIA CUDA · CPU |
| Docker(GHCR) | NVIDIA CUDA · AMD ROCm · CPU |
| Android 10+ / iOS 17+ | 早期体验版 · 设备端离线运行 |
| Windows on ARM | 实验性 · CPU(x64 后端模拟运行) |
| Intel Mac | 受限 · 仅界面,需连接远程后端 |
通过 MCP 连接
正在运行的后端会挂载一个 MCP 接口。把任何支持 Streamable HTTP 的客户端指向它,并保留末尾斜杠:
http://localhost:3900/mcp/桌面应用在 Integrations 中可导出现成配置:Claude Code(.mcp.json)、Cursor(.cursor/mcp.json)和 Codex CLI。docs/mcp.md 中的 Codex CLI 配置如下:
[mcp_servers.voicestudio]
url = "http://127.0.0.1:3900/mcp/"
http_headers = { "X-OmniVoice-Client-Id" = "codex-cli" }只支持 stdio 的客户端可使用自带的 Python 转接(backend.mcp_shim)。上游提醒 MCP 传输本身没有认证:只在本机或可信局域网使用,切勿暴露到公网。阅读 docs/mcp.md
最小智能体流程
以下步骤来自上游 SKILL.md。我们尚未亲自跑通这个流程。
- 检查 http://localhost:3900(或你配置的地址)上的 GET /health。
- 用 GET /openapi.json 获取接口定义,用 GET /v1/audio/voices 获取可用声音。不要编造声音档案 ID。
- 用 POST /v1/audio/speech 生成语音,或用 POST /v1/audio/transcriptions 转写。
- 先检查 HTTP 状态并探测保存的文件,再确认它是音频;错误响应也可能被写入输出路径。
授权声音与 AGPL
- 只在声音所有者许可的情况下克隆声音。这是上游的规定,也是本站的要求。
- AGPL-3.0 覆盖应用本身,包括其条款下的商业使用。如果你修改并通过网络提供服务,须履行 AGPL 义务。模型权重、声音和生成内容各有许可,可在 Model Manager 中查看。LICENSE-NOTICE.md
- 收录不等于审计。AgentSkillsDir 没有对这些代码做过安全审查。运行安装脚本前请先阅读。
常见问题
VoiceStudio 是什么?
debpalash/VoiceStudio(AGPL-3.0)是一款开源软件,可在本地进行声音克隆、声音设计、配音、听写、转写和旁白,并提供官方智能体技能和 MCP 接口。
它和 voicestudiohq 是同一个吗?
不是。本页只对应 debpalash/VoiceStudio,其他同名或近似名称的仓库与本条目无关。
它以前叫 OmniVoice Studio 吗?
是的,旧版打包使用过这个名字:Docker Hub 镜像仍为 palashdeb/omnivoice-studio,原 ghcr.io/debpalash/omnivoice-studio 路径作为兼容别名保留。产品现名 VoiceStudio,默认引擎为 k2-fsa/OmniVoice。
技能和 VoiceStudio 应用有什么区别?
技能告诉智能体如何调用正在运行的 VoiceStudio 后端。如果应用或 Docker 容器没有运行,技能无法生成音频。
如何下载和安装 VoiceStudio?
使用官方 voicestudio.sh 脚本(macOS/Linux)或 install.ps1(Windows)、GitHub 发布页的安装包,或 ghcr.io/debpalash/voicestudio Docker 镜像。本页命令抄录于 2026 年 10 月 31 日,我们尚未亲自运行。
需要独立显卡吗?
不需要。上游说明应用可完全在 CPU 上使用,只是更慢。NVIDIA CUDA、Apple Metal、AMD ROCm 以及 Vulkan(GGUF 引擎)可以加速;具体数据见上游性能文档。
VoiceStudio 和 ElevenLabs 有什么不同?
ElevenLabs 是托管的云端语音平台;VoiceStudio 是在你自己机器上运行的开源软件,下载模型前会先征得同意。
可以克隆任何人的声音吗?
不可以。上游要求只在声音所有者许可的情况下克隆。模型权重、声音和生成内容各有许可;如果你修改应用并通过网络提供服务,还需履行 AGPL-3.0 的义务。
AgentSkillsDir 提供 TTS 服务或出售点数吗?
不提供。这是一个附来源链接的目录页。我们不托管 VoiceStudio,不生成音频,也不出售任何东西。
星标数和版本号是最新的吗?
它们是 GitHub API 的带时间快照,并标注了核验时间。实时数据请打开仓库查看。
