Voicebox被低估

本地优先的语音工作台，可克隆音色、用 23 种语言生成语音，并向任意应用听写。

适合谁

想要 ElevenLabs 式语音生成与 Wispr Flow 式听写，又不愿把声音上传云端的创作者与智能体用户。

为什么值得关注

Voicebox 在一个原生 Tauri 应用里整合音色克隆、8 个 TTS 引擎、50 多个预设音色、23 种语言、音频效果、故事编辑器和全局听写快捷键。所有处理都在本地完成，包括基于 Whisper 的语音识别与用于改写或人格回复的内置 LLM；MCP server 还能让 Claude Code、Cursor、Cline 用克隆音色说话。它采用 MIT 许可，GitHub 5.9 万星，免费提供 macOS、Windows 与 Docker 版本。本地推理需要性能足够的机器，Linux 尚无预编译包，克隆音色也带来同意与滥用风险，应用本身无法约束。