一句话定位：全本地的开源语音工作室——声音克隆、配音、转写、有声书，
646 种语言，无账号、无 API Key、无按字计费。原名 OmniVoice Studio。
一、核心档案
| 项 | 内容 |
|---|---|
| 仓库 | github.com/debpalash/VoiceStudio |
| 定位 | Electron 桌面壳 + FastAPI 后端；本地优先的语音生产工作台 |
| 作者 | debpalash（个人项目） |
| 创建时间 | 2026 |
| 安装 | 下载 GitHub Releases 稳定版；源码则 bun install → bun run setup:api → bun run dev |
| 平台 | macOS / Windows / Linux / Docker |
| 核心能力 | 声音克隆（3 秒样本零样本克隆）、声音设计、视频配音、听写、转写、有声书制作 |
| 集成 | 本地 HTTP 服务 localhost:3900，暴露 OpenAI 兼容端点；另有 MCP server |
技术栈（据第三方审计）：97 个 HTTP 端点走 SSE 流式；SQLite 存状态；
四个主 ML 组件——WhisperX（识别）、Demucs（音轨分离）、pyannote（说话人分离）、AudioSeal（水印）。
默认引擎 k2-fsa/OmniVoice，模型目录可切换 TTS / 转写 / LLM 引擎。
二、关键数据（快照 2026-10-11）
| 指标 | 数值 | 来源 |
|---|---|---|
| Stars | 33,787 | opensourcealternatives（2026-09-30） |
| Stars 口径分歧 | 40,000+ | ownlife 报道 待核实 |
| Forks | — | 未采集到，待核实 |
| 首发年 | 2026 | 一致 |
| 语言数 | 646 | 官方自述（未经独立测试） |
三、真问题·硬伤 vs 建议
真问题 / 硬伤
- 授权矛盾（实锤）：应用本身是 AGPL-3.0（允许商用），但默认引擎的模型权重是 CC-BY-NC（禁商用）。
官方页面写"可以随便用，包括工作和赚钱"，而默认引擎的模型卡写的是相反的话——
用默认引擎商用可能已在违约，用户却毫不知情。需换到许可证宽松的引擎。
- 硬件门槛真实存在：克隆与实时 TTS 都是 GPU 密集负载；官方只说"硬件需求因引擎而异"，
是准确的但没用的表述。
- 646 语言无独立验证：第三方明确表示"未收到针对全部语言的质量/速度/保真度测试证据"。
- 命名与版本断层：旧 Tauri 版在 v0.5.3 后归档，Electron 才是主线，不是直接升级路径。
建议 / 观察
- 对网文线的直接价值：把 txt 章节批量转有声书；对漫剧线做配音。
本地跑 = 零按字计费、素材不出机器，这对长文本（几十万字）成本优势极大。
localhost:3900的 OpenAI 兼容 API + MCP，意味着可被 TextFlow 直接调用——接口层已经打通。- 用之前必做一件事：确认你选的引擎的商用授权。
四、评分
| 维度 | 评分 | 说明 |
|---|---|---|
| 传播热度 | ⭐ 8/10 | 今年新项目冲到 3-4 万星，势头猛 |
| 工程完成度 | ⭐ 7/10 | 架构清晰、集成完备；但授权矛盾与文档含糊扣分 |
| 业务相关性 | ⭐ 8/10 | 有声化 + 配音，两条线都用得上 |
| 收藏观察价值 | ⭐ 8/10 | 本地优先语音栈的代表项目 |
综合均分 7.8 / 10
五、锚点清单
- 已验证：AGPL-3.0、Electron + FastAPI 架构、
localhost:3900OpenAI 兼容端点、MCP server、
3 秒零样本克隆、WhisperX/Demucs/pyannote/AudioSeal 组件、旧 Tauri 版已归档
- 待核实：Star 准确值（33,787 vs 40,000+）、Forks、646 语言的实测质量
- 硬伤确认：默认引擎 CC-BY-NC 与应用商用声明冲突（第三方审计结论）
六、给老爷的判断
用得上，但先看许可证。 网文有声化是它能立刻解决的问题，本地跑还省了按字计费。
风险不在技术，在默认引擎的商用授权——这一条不确认清楚，做出来的东西可能不能卖。