Voicebox被低估

本地優先的語音工作臺，可克隆音色、用 23 種語言生成語音，並向任意應用聽寫。

適合誰

想要 ElevenLabs 式語音生成與 Wispr Flow 式聽寫，又不願把聲音上傳雲端的創作者與智慧體使用者。

為什麼值得關注

Voicebox 在一個原生 Tauri 應用裡整合音色克隆、8 個 TTS 引擎、50 多個預設音色、23 種語言、音訊效果、故事編輯器和全域性聽寫快捷鍵。所有處理都在本地完成，包括基於 Whisper 的語音識別與用於改寫或人格回覆的內建 LLM；MCP server 還能讓 Claude Code、Cursor、Cline 用克隆音色說話。它採用 MIT 許可，GitHub 5.9 萬星，免費提供 macOS、Windows 與 Docker 版本。本地推理需要效能足夠的機器，Linux 尚無預編譯包，克隆音色也帶來同意與濫用風險，應用本身無法約束。